質問編集履歴
3
コードはコード枠に記入しました。
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -3,13 +3,20 @@
|
|
|
3
3
|
TreeExplainer、モデルはxgbです。
|
|
4
4
|
force plotは、回帰と二値分類の場合、以下で描画。
|
|
5
5
|
|
|
6
|
+
```Python
|
|
6
7
|
shap.initjs()
|
|
7
8
|
shap.force_plot(explainer.expected_value, shap_values, X_selected)
|
|
8
9
|
|
|
10
|
+
```
|
|
11
|
+
|
|
12
|
+
|
|
9
13
|
マルチ分類の場合、以下で描画。
|
|
10
14
|
|
|
15
|
+
```Python
|
|
11
16
|
shap.initjs()
|
|
12
17
|
shap.force_plot(explainer.expected_value[1], shap_values[1], X_selected)
|
|
18
|
+
|
|
19
|
+
```
|
|
13
20
|
|
|
14
21
|
データセットのタイプ毎にコード操作は面倒なので、
|
|
15
22
|
|
2
コードはコード枠に記載しました。
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -15,15 +15,21 @@
|
|
|
15
15
|
|
|
16
16
|
マルチ分類データですよ等と事前に認識させて、
|
|
17
17
|
|
|
18
|
+
```Python
|
|
18
19
|
shap.initjs()
|
|
19
20
|
if dataset == ‘multi’:
|
|
20
21
|
shap.force_plot(explainer.expected_value[1], shap_values[1], X_selected)
|
|
21
22
|
else:
|
|
22
23
|
shap.force_plot(explainer.expected_value, shap_values, X_selected)
|
|
23
24
|
|
|
25
|
+
```
|
|
26
|
+
|
|
27
|
+
|
|
24
28
|
として実行しても表示されません。
|
|
25
29
|
|
|
26
30
|
すこし強引ですが、以下を実行しても表示されませんでした。
|
|
31
|
+
|
|
32
|
+
```Python
|
|
27
33
|
|
|
28
34
|
shap.initjs()
|
|
29
35
|
try:
|
|
@@ -36,13 +42,18 @@
|
|
|
36
42
|
except:
|
|
37
43
|
pass
|
|
38
44
|
|
|
45
|
+
```
|
|
46
|
+
|
|
39
47
|
何かうまい方法をご存知の方がおられましたら、ご教示お願いできませんでしょうか？
|
|
40
48
|
|
|
41
49
|
|
|
50
|
+
|
|
42
51
|
※以下が現在の実行コードです。以下の実行コードに上記の変更を加えてもうまくいかなかったということになります。
|
|
52
|
+
|
|
43
|
-
|
|
53
|
+
```Python
|
|
54
|
+
|
|
44
55
|
#@title **Classification**（分類）or **Regression**（回帰）
|
|
45
|
-
|
|
56
|
+
#回帰か分類かによってXGB.XGBClassifierを実行するか、XGB.XGBRegressorを実行するかを変えるため、ココで区分。
|
|
46
57
|
|
|
47
58
|
#@title **Classification**（分類）or **Regression**（回帰）
|
|
48
59
|
dataset_type = 'Classification' #@param ["Classification", "Regression"]
|
|
@@ -87,7 +98,7 @@
|
|
|
87
98
|
shap.initjs()
|
|
88
99
|
shap.force_plot(explainer.expected_value, shap_values, X)
|
|
89
100
|
|
|
90
|
-
|
|
101
|
+
```
|
|
91
102
|
|
|
92
103
|
|
|
93
104
|
|
1
元のコードを記入しました。
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -37,3 +37,57 @@
|
|
|
37
37
|
pass
|
|
38
38
|
|
|
39
39
|
何かうまい方法をご存知の方がおられましたら、ご教示お願いできませんでしょうか？
|
|
40
|
+
|
|
41
|
+
|
|
42
|
+
※以下が現在の実行コードです。以下の実行コードに上記の変更を加えてもうまくいかなかったということになります。
|
|
43
|
+
</>
|
|
44
|
+
#@title **Classification**（分類）or **Regression**（回帰）
|
|
45
|
+
＃回帰か分類かによってXGB.XGBClassifierを実行するか、XGB.XGBRegressorを実行するかを変えるため、ココで区分。
|
|
46
|
+
|
|
47
|
+
#@title **Classification**（分類）or **Regression**（回帰）
|
|
48
|
+
dataset_type = 'Classification' #@param ["Classification", "Regression"]
|
|
49
|
+
|
|
50
|
+
|
|
51
|
+
#@title **Load Dataset**
|
|
52
|
+
if dataset =='Upload':
|
|
53
|
+
from google.colab import files
|
|
54
|
+
uploaded = files.upload()#Upload
|
|
55
|
+
target = list(uploaded.keys())[0]
|
|
56
|
+
df = pd.read_csv(target)
|
|
57
|
+
|
|
58
|
+
FEATURES = df.columns[:-1]
|
|
59
|
+
TARGET = df.columns[-1]
|
|
60
|
+
X = df.loc[:, FEATURES]
|
|
61
|
+
y = df.loc[:, TARGET]
|
|
62
|
+
|
|
63
|
+
|
|
64
|
+
#@title **SHAP summary plot**
|
|
65
|
+
|
|
66
|
+
import xgboost as XGB
|
|
67
|
+
import shap
|
|
68
|
+
|
|
69
|
+
#XGB
|
|
70
|
+
if dataset_type == 'Regression':
|
|
71
|
+
xgb = XGB.XGBRegressor(random_state=0)
|
|
72
|
+
else:
|
|
73
|
+
xgb = XGB.XGBClassifier(random_state=0)
|
|
74
|
+
|
|
75
|
+
xgb.fit(X, y)
|
|
76
|
+
|
|
77
|
+
#SHAP
|
|
78
|
+
explainer = shap.TreeExplainer(xgb)
|
|
79
|
+
shap_values = explainer.shap_values(X)
|
|
80
|
+
|
|
81
|
+
|
|
82
|
+
#@title **SHAP summary plot**
|
|
83
|
+
shap.summary_plot(shap_values,X)
|
|
84
|
+
|
|
85
|
+
|
|
86
|
+
#@title **SHAP force plot**
|
|
87
|
+
shap.initjs()
|
|
88
|
+
shap.force_plot(explainer.expected_value, shap_values, X)
|
|
89
|
+
|
|
90
|
+
</>
|
|
91
|
+
|
|
92
|
+
|
|
93
|
+
|