逻辑回归中的 Shapley 值？

Question

逻辑回归中的 Shapley 值？

pythonmachine-learningdata-sciencelogistic-regressionshap

4

Shapley支持逻辑回归模型吗？

运行以下代码，我得到：

logmodel = LogisticRegression()
logmodel.fit(X_train,y_train)
predictions = logmodel.predict(X_test)
explainer = shap.TreeExplainer(logmodel )

Exception: Model type not yet supported by TreeExplainer: <class 'sklearn.linear_model.logistic.LogisticRegression'>

注意：对于不同的模型，您应使用不同的解释器。

- metalrules211

3个回答

2

explainer = shap.LinearExplainer(logmodel) 应该能够工作，因为逻辑回归是一个线性模型。

- aarsh todi

它确实可以，但只有在存在两个类的情况下才能实现。 - mikalai

0

逻辑回归是一个线性模型，因此您应该使用线性解释器。

- Ofloda

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- darcycp · Accepted Answer

Shap本质上是与模型无关的。看起来您刚选择了一个不适合您模型类型的解释器。我建议查看KernelExplainer，正如创建者在这里所描述的那样：

实现了Kernel SHAP，一种用于估计任何模型的SHAP值的模型无关方法。因为它对模型类型没有任何假设，所以KernelExplainer比其他特定于模型类型的算法慢。

Shap的文档大多数都很好，并且有一些不错的示例。