如何使用加载的 xgboost 模型中的 shapely 生成瀑布图

Question

我创建了这个 xgboost 模型作为测试，在 R 中保存为 JSON。在 R 中构建模型后，我使用

xgb.save(model, fname='xgboost_classifer_model.json')

保存它。

然后我在 python 中使用

xgboost

包来加载模型，如下所示：

import xgboost
bst = xgboost.Booster()
bst.load_model('./model/xgboost_classifier_model.json')
input_data = np.array([1,1,1,1],dtype=np.float16).reshape(1,-1)

然后我使用

shap

包来创建解释器。

import shap

explainer = shap.Explainer(bst)
shap_values = explainer.shap_values(input_data)
shap_values[0]

最后我用

sap_values

来绘图

shap.waterfall_plot(shap_values)
plt.title("SHAP Values Waterfall Plot")
plt.xlabel("SHAP Value")
plt.tight_layout()
plt.show()

我收到

The waterfall plot requires an 

解释

object as the

shap_values

 argument.

错误。

我在这里做错了什么并且不理解？

型号 https://www.dropbox.com/scl/fi/6vn2shyvz1hn7b4majqzh/xgboost_classifier_model.json?rlkey=sha8gb61eox5mqcuudf3t2v5p&dl=0

Answer 1

尝试

waterfall_legacy

绘制瀑布图。这是您更正后的代码：

import shap

explainer = shap.Explainer(xgb, X_train)
shap_values = explainer.shap_values(X_train)

plt.title("SHAP Values Waterfall Plot")
plt.xlabel("SHAP Value")
plt.tight_layout()
shap.plots._waterfall.waterfall_legacy(explainer.expected_value, shap_values[0], feature_names=X_train.columns)

输出：

该图是使用我自己的数据和模型之一生成的。