shap.plots.scatter

创建一个 SHAP 依赖散点图，可选择按交互特征着色。

该图在 x 轴上绘制特征值，在 y 轴上绘制同一特征的 SHAP 值。这显示了模型如何依赖于给定特征，并且是经典局部依赖图的更丰富扩展。数据点的垂直离散度表示交互效应。y 轴上的灰色刻度线是特征值为 NaN 的数据点。

请注意，如果您想更改显示的数据，可以更新 shap_values.display_features 属性，之后它将用于绘图，而不是 shap_values.data。

参数:

shap_valuesshap.Explanation

通常是 Explanation 对象的一列（即 shap_values[:, "Feature A"]）。

或者，传递多列来创建多个子图（即 shap_values[:, ["Feature A", "Feature B"]]）。

color字符串或 shap.Explanation，可选

如何为散点图的点着色。这可以是一个固定的颜色字符串，也可以是一个 Explanation 对象。

如果它是一个 Explanation 对象，那么散点图的点将根据似乎与 shap_values 参数给出的特征具有最强交互效应的特征进行着色。这是使用 shap.utils.approximate_interactions() 计算的。

如果只传递 Explanation 对象的单列，则该特征列将用于为数据点着色。

hist布尔值

是否在 x 轴上显示一个浅色直方图以显示数据密度。请注意，直方图经过归一化，如果所有点都在一个箱体中，则该箱体将占据图表的整个高度。默认为 True。

x_jitter‘auto’ 或浮点数

通过指定 0 到 1 之间的浮点数，为特征值添加随机抖动。当特征是离散的时，这可能会增加图表的可读性。默认情况下，x_jitter 的值是基于对分类特征的自动检测来选择的。

title: str，可选

图表标题。

alphafloat

数据点的透明度（介于 0 和 1 之间）。在使用大数据集时，这对于显示数据点的密度很有用。

xmin, xmax, ymin, ymax浮点数、字符串、聚合的 Explanation 或 None

期望的坐标轴限制。可以是一个浮点数来指定固定限制。

可以是一个格式为 "percentile(float)" 的字符串，表示特征值的百分位数。

它也可以是 Explanation 对象单列的聚合列，例如 explanation[:, "feature_name"].percentile(20)。

overlay: dict，可选

可选字典，包含最多三个要作为线图叠加的额外曲线。

该字典将曲线名称映射到一个 (xvalues, yvalues) 对的列表，其中每个要绘制的特征都有一对。

axmatplotlib Axes，可选

可选地指定一个现有的 matplotlib.axes.Axes 对象，图表将被绘制到该对象中。

仅在绘制单个特征时支持。

showbool

在返回前是否调用 matplotlib.pyplot.show()。

将其设置为 False 允许在图表创建后对其进行进一步的自定义。

返回:

示例