利用Shap值进行异常值检测

网友投稿 1140 2022-11-18

利用Shap值进行异常值检测

利用Shap值进行异常值检测

目录

​​SHAP的简介​​

​​SHAP是如何评价树模型中的特征对于结果的贡献度?​​

​​利用Shap值进行异常值检测​​

SHAP的简介

SHAP,沙普利值,SHapley Additive exPlanations,沙普利添加和解释,是一种博弈论方法,是博弈论大师Lloyd S. Shapley(劳埃德·沙普利)提出来的一种针对合作博弈的解决方案。它被用于解释任何机器学习模型的输出。 它使用博弈论中的经典 Shapley 值及其相关扩展将最优信用分配与局部解释联系起来。

SHAP方法,现在经常用来解释大多数机器学习模型的输出。几乎可以给所有机器学习、深度学习提供一个解释的方案,包括树模型、线性模型以及神经网络模型。

官方文档:​​Welcome to the SHAP documentation — SHAP latest documentation​​

github:​​GitHub - slundberg/shap: A game theoretic approach to explain the output of any machine learning model.​​

SHAP是如何评价树模型中的特征对于结果的贡献度?

从博弈论的角度,把数据集中的每一个特征变量当成一个玩家,用该数据集去训练模型得到预测的结果,可以看成众多玩家合作完成一个项目的收益。Shapley value通过考虑各个玩家做出的贡献,来公平的分配合作的收益。

利用Shap值进行异常值检测

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:git进阶 | 03 -如何彻底删除git中的大文件
下一篇:详解Jmeter线程组的设置方法
相关文章

 发表评论

暂时没有评论,来抢沙发吧~