2. SQL 基础回顾：核心语法

在将 SQL 应用于模型可解释性之前，必须牢固掌握其核心语法。本章将系统回顾 SELECT、WHERE、JOIN、GROUP BY、ORDER BY 等基础子句，并结合可解释性场景说明其用途。这些语法是后续构建特征贡献表、SHAP 值聚合、部分依赖图数据提取等操作的基石。

2.1 SELECT 与 FROM：数据检索的起点

SELECT 用于指定要查询的列，FROM 指定数据来源表。在可解释性工作中，常通过 SELECT 提取模型输入特征、预测结果和真实标签。

-- 提取特征与预测结果
SELECT 
    customer_id,
    age,
    income,
    loan_amount,
    credit_score,
    predicted_default_prob,
    actual_default
FROM model_scoring_table
WHERE batch_date = '2025-01-15';

2.2 WHERE：条件过滤与数据切片

WHERE 子句用于按条件筛选行。在模型解释中，常用于聚焦特定数据子集（如高置信度预测、错误分类样本、特定分群），以进行局部解释分析。

-- 筛选模型预测错误的样本，用于错误分析
SELECT 
    customer_id,
    age,
    income,
    predicted_default_prob,
    actual_default
FROM model_scoring_table
WHERE predicted_default_prob > 0.5 
  AND actual_default = 0;

2.3 JOIN：关联特征与解释数据

JOIN 用于将多张表按关联键合并。在可解释性流水线中，特征数据、模型输出、SHAP 值、特征描述等通常存储在不同表中，需要通过 JOIN 整合。

-- 将特征数据与 SHAP 解释值关联
SELECT 
    f.customer_id,
    f.age,
    f.income,
    f.loan_amount,
    s.feature_name,
    s.shap_value,
    s.base_value
FROM feature_table f
LEFT JOIN shap_explanations s 
    ON f.customer_id = s.customer_id
    AND f.batch_date = s.batch_date
WHERE f.batch_date = '2025-01-15';

2.4 GROUP BY：聚合与特征重要性汇总

GROUP BY 将数据按分组列聚合，常配合聚合函数（AVG、SUM、COUNT）使用。在模型解释中，用于计算全局特征重要性、分群平均 SHAP 值、部分依赖图数据等。

-- 计算每个特征的平均绝对 SHAP 值（全局特征重要性）
SELECT 
    feature_name,
    ROUND(AVG(ABS(shap_value)), 4) AS mean_abs_shap,
    COUNT(*) AS num_records
FROM shap_explanations
WHERE batch_date = '2025-01-15'
GROUP BY feature_name
ORDER BY mean_abs_shap DESC;

2.5 ORDER BY：排序与重要性排名

ORDER BY 用于对结果集排序。在可解释性输出中，常按特征重要性降序排列，使最重要的特征优先展示。

-- 按 SHAP 值绝对值降序排列，查看每个样本的特征贡献排名
SELECT 
    customer_id,
    feature_name,
    ROUND(shap_value, 4) AS shap_value
FROM shap_explanations
WHERE customer_id = 'CUST1001'
ORDER BY ABS(shap_value) DESC;

2.6 核心语法执行顺序

理解 SQL 子句的逻辑执行顺序，有助于编写高效且正确的可解释性查询。实际数据库优化器可能重排，但逻辑顺序如下：

1. FROM — 确定数据源表
2. JOIN — 关联多张表
3. WHERE — 过滤行级条件
4. GROUP BY — 分组
5. HAVING — 过滤分组后条件（可选）
6. SELECT — 选择列与计算表达式
7. ORDER BY — 排序
8. LIMIT — 限制返回行数（可选）

2.7 常用聚合函数与可解释性映射

2.8 综合示例：构建特征重要性报表

以下综合查询整合了 JOIN、GROUP BY、ORDER BY 和聚合函数，生成一份可直接用于模型解释报告的特征重要性表。

-- 生成全局特征重要性报表
SELECT 
    s.feature_name,
    COUNT(DISTINCT s.customer_id) AS num_samples,
    ROUND(AVG(s.shap_value), 4) AS mean_shap,
    ROUND(AVG(ABS(s.shap_value)), 4) AS mean_abs_shap,
    ROUND(STDDEV(s.shap_value), 4) AS std_shap
FROM shap_explanations s
JOIN feature_metadata m 
    ON s.feature_name = m.feature_name
WHERE s.batch_date = '2025-01-15'
  AND m.is_active = 1
GROUP BY s.feature_name
HAVING COUNT(DISTINCT s.customer_id) > 100
ORDER BY mean_abs_shap DESC
LIMIT 20;