VIP20
本课程属于：062-模型可解释性阈值分层试验 金融科技风控与量化工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

SHAP与阈值分层结合的实操案例

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导论
SHAP与阈值分层结合的价值 · 适用场景与课程目标
课程导论SHAP
02
SHAP基础原理
Shapley值的数学定义 · 可加性特征与局部解释性
SHAP基础原理
03
SHAP核心概念
SHAP值的计算流程 · 特征贡献度与基准值
SHAP核心概念
04
阈值分层基础
什么是阈值 · 阈值在分类模型中的作用与选择策略
阈值分层基础什么是阈值
05
阈值分层与模型可解释性的关系
为什么需要结合SHAP进行阈值分析
阈值分层模型可解释性的关…
06
环境准备
Python环境 · 所需库（shap · pandas
环境准备Python
07
数据集加载与探索
加载公开二分类数据集（如UCI Ad… · 进行EDA与特征描述
数据集加载探索
08
数据预处理
缺失值处理 · 类别特征编码 · 数值特征标准化
数据预处理缺失值处理
09
训练基线模型
使用XGBoost训练二分类模型 · 评估AUC与准确率
训练基线模型XGBoost
10
模型预测与概率输出
获取预测概率 · 默认阈值0.5下的分类结果
模型预测概率输出
11
SHAP基础解释
使用shap.Explainer计算… · 绘制summary_plot
SHAP基础解释
12
SHAP依赖图
对单个特征绘制SHAP depend… · 观察特征与预测的关系
SHAP依赖图
13
阈值调整实验
设定多个阈值（0.3 · 4 · 5
阈值调整实验设定多个阈值
14
不同阈值下的SHAP值重计算
对每个阈值重新计算SHAP值 · 对比特征重要性变化
SHAP不同阈值下的
15
阈值分层策略
将预测概率分为低 · 中 · 高三个区间
阈值分层策略将预测概率分为低
16
分层SHAP分析（低概率区间）
对低概率样本计算SHAP · 分析主导特征
SHAP分层
17
分层SHAP分析（中概率区间）
对中概率样本计算SHAP · 分析决策边界特征
SHAP分层
18
分层SHAP分析（高概率区间）
对高概率样本计算SHAP · 分析强正贡献特征
SHAP分层
19
跨层特征重要性对比
使用条形图对比三个区间Top-5特征…
跨层特征重要性对…Top-5
20
阈值-分层热力图
构建特征贡献度随阈值变化的二维热力图
阈值分层热力图
21
业务规则提取
根据分层SHAP结果 · 提炼可解释的业务规则（如
业务规则提取SHAP
22
案例实战
信贷风控场景——使用SHAP+阈值分…
案例实战SHAP+
23
案例实战
医疗诊断场景——使用SHAP+阈值分…
案例实战SHAP+
24
案例实战
客户流失预测——使用SHAP+阈值分…
案例实战SHAP+
25
自动化阈值选择
基于SHAP贡献度稳定性 · 提出自适应阈值选择方法
自动化阈值选择SHAP
26
模型调优反馈
利用分层SHAP结果指导特征工程与模…
模型调优反馈SHAP
27
可视化综合报告
生成包含SHAP图 · 阈值分层表 · 业务建议的HTML报告
可视化综合报告SHAP
28
常见问题与陷阱
SHAP计算耗时 · 阈值选择偏差 · 分层样本量不足的处理
常见问题陷阱
29
扩展讨论
SHAP与LIME在阈值分层中的对比 · 以及深度学习模型的应用
扩展讨论SHAP
30
课程总结与下一步
回顾核心知识点 · 推荐进阶资源与实战项目
课程总结下一步