我构建了一个 LSTM 来将时间序列的每个时间步分为三类之一。我的输入数据是维度（样本，时间步长 = 10
我正在尝试使用 SHAP 对我的产品分类模型进行一些不良案例分析。我的数据看起来像这样：
<a href="https:/
我在获取 GPyTorch 回归器模型的 SHAP 值时遇到问题。
以下是我使用的 GPyTorch 代码：
<pre><code>import
我有一个多类问题，其中标签可以采用 3 个值 [-1,0,1] 之一。我使用以下代码行对标签进行编码。 （** 如
<pre><code>X = df.copy()
# Save and drop labels
y = df['class']
X = X.drop('class', axis=1)
cat_features = list(range(0, X.
我的数据是信号数据，我想预测周期。
所以，我使用 2D-CNN 进行预测。
有我使用的数据形状和模型
我正在尝试使用 SHAP 值来理解变量交互，但是每当我运行以下代码时内核都会崩溃：
<pre><code>explainer
我正在尝试使用 SHAP 解释基于 LightGBM 的回归模型。我正在使用 shap.TreeExplainer().shap_values(X) 方法来获取 SH
我正在尝试运行教程 <a href="https://slundberg.github.io/shap/notebooks/Census%20income%20classification%20with%20XGBoost.html" r
我正在尝试使用 DeepExplainer 计算 shap 值，但出现以下错误：
<块引用>
不再支持keras，请改用tf.keras</
在 R 中使用包“SHAPforxgboost”有两个函数来计算 shap 值（据我所知）：shap.prep 和 shap.values。对于两者，
我使用 <code>facebookPostImage</code> 包绘制了机器学习结果。特别是我绘制了一个交互式形状力图和一个静态
我正在通过 <a href="https://towardsdatascience.com/explain-your-model-with-the-shap-values-bc36aac4de3d" rel="nofollow noreferrer">h
我一直在试图弄清楚如何从 sagemaker 中训练有素的模型中获取每个单独数据点的 shap 值以及它们的点预测
我有一个从 <code>s1</code> 到 <code>s100</code> 的样本池，我想在两个不同的类别 <code>A</code> 和 <code>B</code> 之
我已将 shap_values 用于我的机器学习模型，我想对部分列和绘图求和。我正在使用此代码：
<pre><code>imp
我正在尝试使用 <a href="https://plotly.com/dash/" rel="nofollow noreferrer">Plotly Dash</a> 和来自 shap 值的信息制作模
我最近了解了一个名为 Shapley Values 的神经网络可解释工具。
对于想知道的人，我训练了一个密集的神经
我遇到了关于 Python SHAP 库的错误。
虽然根据对数几率创建力图没有问题，但我无法根据概率创建力图。
我在获取 BoTorch 回归模型的 SHAP 值时遇到问题。
以下是我使用的代码：
<pre><code>import math
import t
