模型解释

使用SHAP（SHapley Additive exPlanations）实现模型可解释性和可解释性，用于解释机器学习模型预测、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）、调试模型、分析模型偏差或公平性、比较模型或实现可解释AI。支持基于树的模型（XGBoost、LightGBM、Random Forest）、深度学习（TensorFlow、PyTorch）、线性模型和任何黑盒模型。