模型解释

使用SHAP（SHapley Additive exPlanations）实现机器学习模型的可解释性，用于解释预测结果、计算特征重要性、生成SHAP图表（瀑布图、蜂群图、条形图、散点图、力图、热力图），并支持调试模型、分析偏差或公平性、比较模型及实现可解释AI。兼容基于树的模型（XGBoost、LightGBM、Random Forest）、深度学习（TensorFlow、PyTorch）、线性模型和任何黑盒模型。