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值解读与阈值分层实战课程

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

SHAP值在模型解释中的核心地位 · 阈值分层的业务价值 · 课程整体架构与学习路径

课程导论SHAP

可解释性基础

为什么需要模型可解释性 · 全局解释与局部解释的区别 · LIME与SHAP的对比

可解释性基础为什么需要模型可…

博弈论与Shapley值

合作博弈基本概念 · Shapley值的数学定义 · 特征贡献的公平分配原则

Shapley博弈论

SHAP核心原理

SHAP如何从Shapley值演化而… · 加性特征归因模型 · SHAP的三个基本性质

SHAP核心原理

SHAP计算方式

精确计算与近似计算 · KernelSHAP算法原理 · TreeSHAP算法原理与优势

SHAP计算方式

SHAP库安装与配置

Python环境准备 · shap库安装 · 依赖包管理

基础模型训练

使用sklearn训练线性回归模型 · 训练决策树模型 · 训练随机森林模型

基础模型训练sklearn

SHAP Explainer对象

Explainer类的初始化 · 不同模型对应的Explainer选择 · Explainer参数详解

SHAP Values计算

计算单个样本的SHAP值 · 批量计算SHAP值 · 理解SHAP值的正负含义

force_plot基础

force_plot函数参数详解 · 单个样本的力场图绘制 · 力场图元素解读

force_plot多样本

多样本力场图叠加展示 · force_plot的matplot… · 交互式可视化配置

summary_plot全局解释

summary_plot点图绘制 · 特征重要性排序 · 特征值颜色映射解读

summary_plot条形图

条形图模式切换 · 平均绝对SHAP值展示 · 与点图的对比分析

dependence_plot依赖图

单个特征的SHAP依赖图 · 特征交互效应展示 · 与部分依赖图的区别

interaction_values交互值

SHAP交互值计算 · interaction_plot绘制 · 二阶交互效应解读

interactionvalues

waterfall_plot瀑布图

瀑布图结构解析 · 从基值到预测值的路径展示 · 正负贡献可视化

decision_plot决策图

决策图绘制方法 · 多模型对比决策图 · 累积贡献路径分析

文本模型SHAP解释

NLP模型SHAP值计算 · 文本特征分词与映射 · text_plot可视化

SHAP文本模型

图像模型SHAP解释

图像分类模型SHAP值计算 · image_plot可视化 · 像素级贡献热力图

SHAP图像模型

阈值分层概念

业务阈值与模型阈值的区别 · 硬阈值与软阈值 · 阈值分层的业务场景

阈值分层概念业务阈值

SHAP驱动的阈值发现

利用SHAP值寻找自然分界点 · 特征贡献累积曲线 · 阈值候选区间识别

SHAP驱动的阈值发现

单特征阈值分层

基于单个重要特征的阈值划分 · 分段决策规则生成 · 业务规则可解释性

单特征阈值分层基于单个重要特征…

多特征联合阈值

多特征SHAP值加权组合 · 二维阈值空间探索 · 联合决策边界可视化

多特征联合阈值SHAP

阈值分层评估指标

分层后准确率与召回率变化 · 分层稳定性评估 · KS值与分层质量

阈值分层评估指标分层后准确率

动态阈值策略

时间序列中的阈值自适应 · 基于SHAP漂移的阈值调整 · 在线学习与阈值更新

动态阈值策略时间序列

风控场景实战

信用评分卡SHAP解释 · 逾期风险阈值设定 · 拒绝推断中的阈值应用

风控场景实战SHAP

医疗诊断场景实战

疾病预测模型SHAP解释 · 检查指标阈值分层 · 临床决策支持系统

医疗诊断场景实战SHAP

营销响应场景实战

用户响应模型SHAP解释 · 营销阈值分层策略 · ROI最大化阈值优化

营销响应场景实战SHAP

阈值分层自动化Pipeline

Python自动化流程设计 · SHAP计算与阈值搜索集成 · 定时任务与报告生成

Pipeline阈值分层自动化

课程总结与进阶

核心知识点回顾 · 常见误区与最佳实践 · SHAP与可解释性前沿方向

课程总结进阶