适合
描述
newExplainer=健康(讲解员,queryPoint)queryPoint)和存储计算夏普利值ShapleyValues的属性newExplainer。的沙普利对象讲解员包含一个机器学习模型和选择计算夏普利值。
适合利用夏普利值计算选项创建时指定讲解员。您可以更改的选项使用名称-值参数适合函数。函数返回一个沙普利对象newExplainer包含新计算夏普利值。
newExplainer=健康(讲解员,queryPoint,名称,值)“UseParallel”,真的并行计算夏普利值。
例子
创建沙普利使用对象和计算夏普利值适合
训练一个回归模型,并创建一个沙普利对象。当您创建一个沙普利查询对象,如果你不指定一个点,然后软件不计算夏普利值。使用目标函数适合指定的查询计算夏普利值点。然后创建一个条形图的夏普利值通过使用对象的功能情节。
加载carbig的数据集,其中包含测量汽车在1970年代末和1980年代初。
负载carbig
创建一个表包含预测变量加速度,气缸等等,以及响应变量英里/加仑。
台=表(加速度、汽缸、排量、马力、Model_Year重量,MPG);
删除缺失值在一个训练集可以帮助减少内存消耗,加速训练fitrkernel函数。删除缺失值资源描述。
台= rmmissing(台);
火车的黑箱模型英里/加仑通过使用fitrkernel函数
rng (“默认”)%的再现性mdl = fitrkernel(资源描述,“英里”,“CategoricalPredictors”[2 - 5]);
创建一个沙普利对象。指定的数据集资源描述,因为mdl不包含训练数据。
讲解员=沙普利(mdl(资源)
讲解员=沙普利与属性:BlackboxModel: [1 x1 RegressionKernel] QueryPoint: [] BlackboxFitted: [] ShapleyValues: [] NumSubsets: 64 X: [392 x7表]CategoricalPredictors:[2 5]方法:“interventional-kernel”拦截:22.6202
讲解员存储训练数据资源描述在X财产。
计算所有预测变量的夏普利值第一观察资源描述。
:queryPoint =(资源(1)
queryPoint =表1×7加速汽缸位移马力Model_Year重量MPG _______ _____ _______ __________ __________ ______ ___ 12 8 307 130 70 3504
讲解员=适合(讲解员,queryPoint);
回归模型,沙普利使用预测响应计算夏普利值,并将它们存储在ShapleyValues财产。显示的值ShapleyValues财产。
explainer.ShapleyValues
ans =6×2表预测_______ ShapleyValue * * *“加速度”-0.1561“气缸”-0.18306“位移”-0.34203“马力”-0.27291“Model_Year”-0.2926“重量”-0.32402
情节的夏普利值查询使用情节函数。
情节(讲解员)
水平条形图显示了所有变量的夏普利值,按他们的绝对值。每个夏普利值解释查询的预测点的偏差从平均,由于相应的变量。
计算多个查询点的夏普利值
训练一个分类模型,并创建一个沙普利对象。然后计算多个查询点的夏普利值。
加载CreditRating_Historical数据集,数据集包含客户id和他们的财务比率,行业标签,信用评级。
台= readtable (“CreditRating_Historical.dat”);
火车的黑箱模型使用的信用评级fitcecoc函数。使用变量通过第七列第二资源描述作为预测变量。
黑箱= fitcecoc(资源描述,“评级”,…“PredictorNames”tbl.Properties.VariableNames (7),…“CategoricalPredictors”,“行业”);
创建一个沙普利对象的黑箱模型。为更快的计算,子样品的观察的25%资源描述与分层和使用样本来计算夏普利值。指定使用扩展内核世鹏科技电子算法。
rng (“默认”)%的再现性c = cvpartition (tbl.Rating“坚持”,0.25);:tbl_ =台(测试(c):);:tbl_讲解员=沙普利(黑盒,“方法”,“条件”);
找到两个查询点的真实等级值AAA和B,分别。
queryPoint (1) =: tbl_ (find (strcmp (tbl_s.Rating,“AAA”),1):);queryPoint (2) =: tbl_ (find (strcmp (tbl_s.Rating,“B”),1),:)
queryPoint =2×8表ID WC_TA RE_TA EBIT_TA MVE_BVTD S_TA行业评级_____持续累积________ _____ ________ 58258 0.511 0.869 0.106 8.538 0.732 - 2 {' AAA '} 82367 -0.078 -0.042 0.011 0.262 0.167 7 {B}
第一个查询计算和绘制夏普利值点。
explainer1 =适合(讲解员,queryPoint (1:));情节(explainer1)
第二个查询计算和绘制夏普利值点。
explainer2 =适合(讲解员,queryPoint (2:));情节(explainer2)
第二个查询点的真实评价B,但预测评级BB。情节展示了夏普利值预测评级。
explainer1和explainer2包括第一个查询的夏普利值点和第二个查询点,分别。
