shap.plots.force

shap.plots.force(base_value, shap_values=None, features=None, feature_names=None, out_names=None, link='identity', plot_cmap='RdBu', matplotlib=False, show=True, figsize=(20, 3), ordering_keys=None, ordering_keys_time_format=None, text_rotation=0, contribution_threshold=0.05)

使用加性力图布局（additive force layout）来可视化给定的 SHAP 值。

参数:

base_valuefloat 或 shap.Explanation

如果传入一个浮点数，此值为特征贡献的起始参考值。对于 SHAP 值，它应该是 explainer.expected_value 的值。但是，推荐传入一个 SHAP Explanation 对象来代替（在这种情况下，shap_values 是不必要的）。

shap_valuesnumpy.array

SHAP 值的矩阵（# features）或（# samples x # features）。如果这是一个一维数组，将绘制单个力图。如果它是一个二维数组，将绘制一个堆叠的力图。

featuresnumpy.array

特征值的矩阵（# features）或（# samples x # features）。这提供了所有特征的值，并且其形状应与 shap_values 参数相同。

feature_nameslist

特征名称列表（# features）。

out_namesstr

模型输出的名称（用复数形式以便将来支持多输出绘图）。

link“identity” 或 “logit”

绘制刻度线标签时使用的转换。使用 “logit” 会将对数几率（log-odds）数值转换为概率。

plot_cmapstr 或 list[str]

要使用的颜色映射。它可以是一个字符串（默认为 RdBu）或一个十六进制颜色字符串列表。

matplotlibbool

是使用默认的 Javascript 输出，还是使用（开发程度较低的）matplotlib 输出。在渲染 Javascript/HTML 不方便的场景中，使用 matplotlib 会很有帮助。默认为 False。

showbool

是否在返回前调用 matplotlib.pyplot.show()。将其设置为 False 允许在创建图表后对其进行进一步的自定义。仅当 matplotlib 设置为 True 时适用。

figsize

matplotlib 输出的图形大小。

contribution_thresholdfloat

控制在力图上显示的特征名称/值。只有那些其 shap 值绝对值大于 min_perc * (所有 shap 绝对值之和) 的特征才会被显示。