Шаплей для Логисти c регресс?

Question

Поддерживает ли Шепли логистику c регрессионные модели?

Запуск следующего кода, который я получаю:

logmodel = LogisticRegression()
logmodel.fit(X_train,y_train)
predictions = logmodel.predict(X_test)
explainer = shap.TreeExplainer(logmodel )

Exception: Model type not yet supported by TreeExplainer: <class 'sklearn.linear_model.logistic.LogisticRegression'>

PS Предполагается использовать разные объяснения для разных моделей

Answer 1

Шапель модели c по определению. Похоже, вы только что выбрали объяснитель, который не подходит вашему типу модели. Я предлагаю взглянуть на KernelExplainer , который, как описано создателями здесь , равен

Реализация Kernel SHAP, метода агности модели c для оценки SHAP значения для любой модели. Поскольку он не делает предположений о типе модели, KernelExplainer работает медленнее, чем другие алгоритмы, определяющие тип модели c алгоритмы.

Документация для Shap в основном solid и имеет несколько достойных примеров.