当前位置：后端开发 >  【SHAP解释运用】基于python的树模型特征选择+随机森林回归预测+SHAP解释预测

【SHAP解释运用】基于python的树模型特征选择+随机森林回归预测+SHAP解释预测

沿街 2024-08-31 13:35:01 阅读 72

1.导入必要的库

<code>import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns

from sklearn.model_selection import train_test_split

from sklearn.ensemble import RandomForestRegressor

from sklearn.tree import export_graphviz

#from sklearn.inspection import plot_partial_dependence

from sklearn.metrics import mean_squared_error

import shap

import warnings

2.设置忽略警告与显示字体、负号

warnings.filterwarnings("ignore")

# 设置Matplotlib的字体属性

plt.rcParams['font.sans-serif'] = ['SimHei'] # 用于中文显示，你可以更改为其他支持中文的字体

plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号

3.导入数据集

3.1加载数据

# 1. 加载数据

df = pd.read_excel('train.xlsx')

X = df.iloc[:, :-1] # 特征

y = df.iloc[:, -1] # 标签

3.2查看数据分布

1.箱线图

plt.figure(figsize=(30, 6))

sns.boxplot(data=df)

plt.title('Box Plots of Dataset Features', fontsize=40, color='black') code>

# 如果需要设置坐标轴标签的字体大小和颜色

plt.xlabel('X-axis Label', fontsize=20, color='red') # 设置x轴标签的字体大小和颜色 code>

plt.ylabel('Y-axis Label', fontsize=20, color='green') # 设置y轴标签的字体大小和颜色 code>

# 还可以调整刻度线的长度、宽度等属性

plt.tick_params(axis='x', labelsize=20, colors='blue', length=5, width=1) # 设置x轴刻度线、刻度标签的更多属性 code>

plt.tick_params(axis='y', labelsize=20, colors='deepskyblue', length=5, width=1) # 设置y轴刻度线、刻度标签的更多属性 code>

plt.xticks(rotation=45) # 如果特征名很长，可以旋转x轴标签

plt.show()

        结果如图3-1所示：

d2433b89412740ed87dde509713af6ec.png

图3-1

        结果图实在丑陋，这是由数据分布不均衡造成的，这里重点不是数据清洗，就这样凑着用吧。

2.分布图

<code># 注意：distplot 在 seaborn 0.11.0+ 中已被移除

# 你可以分别使用 histplot 和 kdeplot

plt.figure(figsize=(50, 10))

for i, feature in enumerate(df.columns, 1):

plt.subplot(1, len(df.columns), i)

sns.histplot(df[feature], kde=True, bins=30, label=feature,color='blue') code>

plt.title(f'QQ plot of {feature}', fontsize=40, color='black') code>

# 如果需要设置坐标轴标签的字体大小和颜色

plt.xlabel('X-axis Label', fontsize=35, color='red') # 设置x轴标签的字体大小和颜色 code>

plt.ylabel('Y-axis Label', fontsize=40, color='green') # 设置y轴标签的字体大小和颜色 code>

# 还可以调整刻度线的长度、宽度等属性

plt.tick_params(axis='x', labelsize=40, colors='blue', length=5, width=1) # 设置x轴刻度线、刻度标签的更多属性 code>

plt.tick_params(axis='y', labelsize=40, colors='deepskyblue', length=5, width=1) # 设置y轴刻度线、刻度标签的更多属性 code>

plt.tight_layout()

plt.show()

        结果如图3-2所示：

019965cb762b497f853efff9b14821d2.png

图3-2

3.QQ图

<code>from scipy import stats

plt.figure(figsize=(50, 10))

for i, feature in enumerate(df.columns, 1):

plt.subplot(1, len(df.columns), i)

stats.probplot(df[feature], dist="norm", plot=plt) code>

plt.title(f'QQ plot of {feature}', fontsize=40, color='black') code>

# 如果需要设置坐标轴标签的字体大小和颜色

plt.xlabel('X-axis Label', fontsize=35, color='red') # 设置x轴标签的字体大小和颜色 code>

plt.ylabel('Y-axis Label', fontsize=40, color='green') # 设置y轴标签的字体大小和颜色 code>

# 还可以调整刻度线的长度、宽度等属性

plt.tick_params(axis='x', labelsize=40, colors='blue', length=5, width=1) # 设置x轴刻度线、刻度标签的更多属性 code>

plt.tick_params(axis='y', labelsize=40, colors='deepskyblue', length=5, width=1) # 设置y轴刻度线、刻度标签的更多属性 code>

plt.tight_layout()

plt.show()

        结果如图3-3所示：

7715aa11407b4c7bb97dd52dd640cf3e.png

图3-3

4.树模型特征选择

<code># 4. 特征选择（使用随机森林的特征重要性）

rf = RandomForestRegressor(n_estimators=100, random_state=42)

rf.fit(X_scaled, y)

importances = rf.feature_importances_

indices = np.argsort(importances)[::-1]

# 可视化特征重要性

plt.figure(figsize=(10,7))

plt.title("Feature importances")

plt.bar(range(X.shape[1]), importances[indices],align="center", color='cyan')code>

plt.xticks(range(X.shape[1]), [X.columns[i] for i in indices], rotation='vertical') code>

plt.xlim([-1, X.shape[1]])

plt.show()

        特征重要性比较如图4-1所示：

8d00e2eea46b4fa4973216751ee3634b.png

图4-1

5.随机森林回归预测

<code># 划分训练集和测试集

X_train, X_test, y_train, y_test = train_test_split(X_scaled, y, test_size=0.2, random_state=42)

# 随机森林回归预测

rf_final = RandomForestRegressor(n_estimators=100, random_state=42)

rf_final.fit(X_train, y_train)

y_pred = rf_final.predict(X_test)

mse = mean_squared_error(y_test, y_pred)

print(f"Mean Squared Error: {mse}")

# 预测结果输出与比对

plt.figure()

plt.plot(np.arange(21), y_test[:100], "go-", label="True value")code>

plt.plot(np.arange(21), y_pred[:100], "ro-", label="Predict value")code>

plt.title("True value And Predict value")

plt.legend()

plt.show()

        预测结果如图5-1所示：

c47535babc324dfbbf94f50f646599f7.png

图5-1

        由图5-1结合这里的误差Mean Squared Error: 16.092619015714185，说明预测效果很一般，不过本身数据集没有经过清洗，数据分布不合理，有这样的结果也能接受。我一般使用matlab进行数据清晰和标准化，matlab暂时打不开，先搁置，后面我会出数据标准化的文章。

5.SHAP库解释预测

5.1shap库下载安装

        这里的shap库我已经下载安装过了，没有下载安装的在pycharm终端、Anaconda Promt终端等等执行命令进行下载安装，最好带上清华镜像源，在网络信号不好时也能顺利安装且节省时间。

<code>pip install -i https://pypi.tuna.tsinghua.edu.cn/simple shap

5.2waterfall

shap.plots.waterfall(shap_values[0]) # For the first observation

        结果如图5-1所示：

0a26729b3b9f428ba0cd07d1370e3fbc.png

图5-1

5.3forceplot

<code>#相互作用图

force_plot1 = shap.force_plot(explainer.expected_value, np.mean(shap_values, axis=0), np.mean(X_test, axis=0),feature_label,matplotlib=True, show=False)

shap_interaction_values = explainer.shap_interaction_values(X_test)

shap.summary_plot(shap_interaction_values,X_test)

        结果如图5-2所示：

02e5ab592d8846848397f85a47571af4.png

图5-2

5.4特征影响图

<code>shap.plots.force(explainer.expected_value,shap_values.values,shap_values.data)

        结果如图5-3所示：

600c090d4a324704b44a9068a879ada8.png

图5-3

5.5特征密度散点图：summary_plot/beeswarm

5.5.1summary_plot

<code># 创建SHAP解释器

explainer = shap.TreeExplainer(rf)

# 计算SHAP值

shap_values = explainer.shap_values(X_test)

#特征标签

feature_label=['feature1','feature2','feature3','feature4','feature5','feature6','feature7']

plt.rcParams['font.family'] = 'serif'

plt.rcParams['font.serif'] = 'Times New Roman'

plt.rcParams['font.size'] = 13 # 设置字体大小为14

# 现在创建 SHAP 可视化

#配色 viridis Spectral coolwarm RdYlGn RdYlBu RdBu RdGy PuOr BrBG PRGn PiYG

shap.summary_plot(shap_values, X_test,feature_names=feature_label)

#粉红色点：表示该特征值在这个观察中对模型预测产生了正面影响（增加预测值）

#蓝色点：表示该特征值在这个观察中对模型预测产生了负面影响（降低预测值）

#水平轴（SHAP 值）显示了影响的大小。点越远离中心线（零点），该特征对模型输出的影响越大

#图中垂直排列的特征按影响力从上到下排序。上方的特征对模型输出的总体影响更大，而下方的特征影响较小。

# 最上方的特征显示了大量的正面和负面影响，表明它在不同的观察值中对模型预测的结果有很大的不同影响。

# 中部的特征也显示出两种颜色的点，但点的分布更集中，影响相对较小。

# 底部的特征对模型的影响最小，且大部分影响较为接近零，表示这些特征对模型预测的贡献较小

        结果如图5-4所示：

fa5b3b99ffd94d54bd12437755284e06.png

图5-4

<code>

# 创建SHAP解释器

explainer = shap.TreeExplainer(rf)

# 计算SHAP值

shap_values = explainer.shap_values(X_test)

#特征标签

feature_label=['feature1','feature2','feature3','feature4','feature5','feature6','feature7']

plt.rcParams['font.family'] = 'serif'

plt.rcParams['font.serif'] = 'Times New Roman'

plt.rcParams['font.size'] = 13 # 设置字体大小为14

# 现在创建 SHAP 可视化

#配色 viridis Spectral coolwarm RdYlGn RdYlBu RdBu RdGy PuOr BrBG PRGn PiYG

shap.summary_plot(shap_values,X_test,feature_names=feature_label,cmap='Spectral')code>

使颜色丰富些如图5-5所示：

3f05c3e6dd1a46098c9fbb60a51bde9e.png

图5-5

5.5.2beeswarm

<code># summarize the effects of all the features

# 样本决策图

shap.initjs()

shap_values = explainer(X_test)

expected_value = explainer.expected_value

shap.plots.beeswarm(shap_values)

结果如图5-6所示：

702c57af2f314f0aad646ed057223823.png

图5-6

5.6特征重要性SHAP值

<code>shap.summary_plot(shap_values,X_test,feature_names=feature_label,plot_type='bar')code>

#主要表示绝对重要值的大小，把SHAP value 的样本取了绝对平均值

        或者：

shap.plots.bar(shap_values)

        结果如图5-7、图5-8所示，本质都是一样的：

41a1b951dac842f3991d0dcdca93ffa7.png

图5-7

7ea1b8ffec16471ba55cfe6cf31bc4db.png

图5-8

5.7聚类热力图：heatmap plot

<code>#热图

shap.initjs()

shap_values = explainer(X_test)

shap.plots.heatmap(shap_values)

        结果如图5-9所示：

14e99c5fbdf14374bfde3cf1fa0ff790.png

图5-9

5.7层次聚类shap值

<code># 层次聚类 + SHAP值

clust = shap.utils.hclust(X, y, linkage="single")code>

shap.plots.bar(shap_values, clustering=clust, clustering_cutoff=1)

        结果如图5-10所示：

7d32c54454a94641a75658ed0ca8d801.png

图5-10

5.8决策图

<code># 样本决策图

shap.initjs()

shap_values = explainer.shap_values(X_test)

expected_value = explainer.expected_value

shap.decision_plot(expected_value, shap_values,feature_label)

        结果如图5-11所示：

1f964b71ecad412293390764f065d2c4.png

图5-11

变形1：由数值 -> 概率

<code># 样本决策图

shap.initjs()

shap_values = explainer.shap_values(X_test)

expected_value = explainer.expected_value

feature_label=['feature1','feature2','feature3','feature4','feature5','feature6','feature7']

shap.decision_plot(expected_value, shap_values, feature_label, link='logit')code>

        结果如图5-12所示：

57843402fbf640df85e9ed4ec537ffbc.png

图5-12

变形2：高亮某个样本线highlight

<code>shap.decision_plot(expected_value, shap_values, feature_label, highlight=12)

        结果如图5-13所示：

34517d1b9bb44ecfbf325b5fa9628a1a.png

图5-13

5.9特征依赖图：dependence_plot

5.9.1单个特征依赖

<code>shap.dependence_plot('feature1', shap_values,X_test, interaction_index=None)

        结果如图5.14所示：

1f3c4180566f4d66bbcbbdde54c21c73.png

图5-14

5.9.2相互依赖图

<code>shap.dependence_plot('feature3', shap_values,X_test, interaction_index='feature4')code>

        结果如图5-15所示：

92953a1877464ff695bcdc1adfe7451f.png

图5-15

5.10相互作用图：summary_plot

<code>shap.summary_plot(shap_interaction_values,X_test)

        结果如图5-16所示：

21f4e674078048078d506cb324870a2d.png

图5-16

具体的每种解释图的含义可以搜寻以下参考文章：

代码借鉴：http://t.csdnimg.cn/6JWrj

理论借鉴   

http://t.csdnimg.cn/6JWrj

http://t.csdnimg.cn/H9X0B

http://t.csdnimg.cn/zvtA8

http://t.csdnimg.cn/nygl6

http://t.csdnimg.cn/zyHy0

http://t.csdnimg.cn/rTPw2

 

 

 

 

 

 

 

 

 

 

上一篇： 3.从对变量的理解到数据类型的一种解释

下一篇： 【与C++的邂逅】--- 模板初阶

本文标签

【SHAP解释运用】基于python的树模型特征选择+随机森林回归预测+SHAP解释预测   

声明

本文内容仅代表作者观点，或转载于其他网站，本站不以此文作为商业用途
如有涉及侵权，请联系本站进行删除
转载本站原创文章，请注明来源及作者。

相关文章

阅读排行

热门文章