4. SHAP 库安装与基础使用：Python 环境准备、安装 shap 库、加载示例数据集与训练模型

本章是 SHAP 实战的起点。在深入特征贡献度分析之前，需要完成 Python 环境配置、SHAP 库安装，并准备好一个可运行的训练模型。本节将按照标准流程，从零搭建环境并验证 SHAP 基础功能。

4.1 Python 环境准备

推荐使用 Python 3.8–3.11 版本，并基于虚拟环境管理依赖，避免与系统级包冲突。以下为两种主流环境准备方式：

4.2 安装 SHAP 库

SHAP 可通过 pip 或 conda 直接安装。核心依赖包括 NumPy、SciPy、scikit-learn 和 matplotlib。安装命令如下：

# 使用 pip 安装（推荐）
pip install shap

# 使用 conda 安装
conda install -c conda-forge shap

# 如需安装特定版本
pip install shap==0.44.0

安装完成后，通过以下代码验证 SHAP 是否可用：

import shap
print(shap.__version__)  # 输出示例：0.44.0

4.3 加载示例数据集与训练模型

SHAP 内置了多个经典数据集，便于快速上手。本节使用 California Housing 数据集（回归任务）和 Breast Cancer 数据集（分类任务）作为演示。

4.3.1 加载数据集

import shap
import pandas as pd

# 加载 California Housing 数据集（回归）
X_reg, y_reg = shap.datasets.california(n_points=1000)
print(f"回归数据集形状: {X_reg.shape}")

# 加载 Breast Cancer 数据集（分类）
X_clf, y_clf = shap.datasets.breast_cancer()
print(f"分类数据集形状: {X_clf.shape}")

4.3.2 训练基础模型

为演示 SHAP 解释能力，使用 XGBoost 分别训练回归与分类模型。XGBoost 是 SHAP 原生支持的高效树模型，计算速度最快。

import xgboost as xgb

# 训练回归模型
model_reg = xgb.XGBRegressor(n_estimators=100, max_depth=4, random_state=42)
model_reg.fit(X_reg, y_reg)

# 训练分类模型
model_clf = xgb.XGBClassifier(n_estimators=100, max_depth=4, random_state=42)
model_clf.fit(X_clf, y_clf)

print("模型训练完成")

4.4 SHAP 基础使用流程

以下为 SHAP 解释模型的标准三步流程，以回归模型为例：

1. 创建解释器：根据模型类型选择对应的 Explainer。
2. 计算 SHAP 值：对训练数据或测试数据计算特征贡献度。
3. 可视化：使用 SHAP 内置绘图函数展示结果。

# 1. 创建 TreeExplainer（针对树模型）
explainer = shap.TreeExplainer(model_reg)

# 2. 计算 SHAP 值（使用训练数据前 100 条）
shap_values = explainer.shap_values(X_reg[:100])

# 3. 可视化：特征重要性概要图
shap.summary_plot(shap_values, X_reg[:100])

4.5 SHAP 工作流程架构

下图展示了从环境准备到 SHAP 可视化的完整数据流与组件关系：

4.6 环境与模型验证清单

完成上述步骤后，建议执行以下验证清单，确保后续章节的 SHAP 分析可以顺利运行：