【技術實現步驟摘要】
本專利技術屬于信貸，特別是涉及一種基于shap理論的特征歸因解釋提升樹的方法。
技術介紹
1、提升樹模型，如xgboost、lightgbm等，在許多領域都展現出了強大的預測能力。然而，這些復雜的模型通常被視為黑箱模型，其內部決策過程難以理解。這給模型的應用帶來了一些限制和風險：
2、缺乏可解釋性：持牌金融決策透明度要求較高，僅僅知道模型的預測結果是不夠的，還需要了解模型是如何做出決策的，哪些特征對預測結果起到了關鍵作用。提升樹模型的復雜結構使得很難直觀地解釋每個特征的貢獻。
3、難以診斷問題：當模型出現錯誤預測或性能不佳時，由于缺乏可解釋性，很難確定問題出在哪里，也難以進行有效的調整和改進。
技術實現思路
1、為解決上述技術問題，本專利技術采用的一個技術方案是：
2、一種基于shap理論的特征歸因解釋提升樹的方法，包括以下步驟：
3、s1)：數據預處理：對模型涉及的內部數據進行預處理操作，用于提高數據的質量和可用性；
4、所述數據預處理具體包括以下步驟：
5、s11)：格式內容錯誤清洗；
6、s12)：邏輯錯誤清洗；
7、s13)：異常值處理；
8、s14)：歸一化；
9、s2)：模型訓練：使用提升樹算法對預處理后的數據進行訓練，得到一個提升樹模型，用于識別高風險客戶群；
10、s3)：shap值計算：使用shap值理論計算每個樣本中每個特征的sha
11、s4)：特征歸因：根據計算得到的shap值，確定每個特征對預測結果的貢獻程度；
12、s5)：可視化：通過特征影響圖，將特征歸因結果進行可視化展示；
13、s6)：模型解釋：通過分析每個特征的shap值分布，以及特征之間的交互作用，展示模型之間的決策機理；
14、s7)：模型調試和優化：根據模型解釋和特征歸因結果，對提升樹模型進行調試和優化。
15、進一步的，所述步驟4中，
16、當特征shap值大于0，該特征提升了預測值；
17、當特征shap值小于0，該特征降低了預測值。
18、進一步的，所述步驟5中，特征影響圖橫軸為shap值，縱軸為特征參數，當特征shap值為正值時，為紅色，當特征shap值為負值時，為藍色。
19、進一步的，所述步驟7中，當入模變量的貢獻與常規認識存在偏差時，可以通過調整已構建的提升樹模型參數、剔除有異議的變量、樹模型，選擇不同的特征組合方式，來提高模型的性能和準確性。
20、進一步的，所述步驟3中的shap值計算使用第三方庫函數計算。
21、進一步的，所述第三方庫函數為python中的shap庫。
22、本專利技術的有益效果：
23、本專利技術讓用戶能夠理解提升樹模型的決策過程和預測結果；實現特征歸因，準確地確定每個特征對預測結果的貢獻程度；為模型調試和優化提供依據，幫助用戶更好地調整模型參數，提高模型的性能和準確性。
本文檔來自技高網...【技術保護點】
1.一種基于shap理論的特征歸因解釋提升樹的方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的一種基于shap理論的特征歸因解釋提升樹的方法，其特征在于：所述步驟4中，
3.根據權利要求1所述的一種基于shap理論的特征歸因解釋提升樹的方法，其特征在于：所述步驟5中，特征影響圖橫軸為shap值，縱軸為特征參數，當特征shap值為正值時，為紅色，當特征shap值為負值時，為藍色。
4.根據權利要求1所述的一種基于shap理論的特征歸因解釋提升樹的方法，其特征在于：所述步驟7中，當入模變量的貢獻與常規認識存在偏差時，可以通過調整已構建的提升樹模型參數、剔除有異議的變量、樹模型，選擇不同的特征組合方式，來提高模型的性能和準確性。
5.根據權利要求1所述的一種基于shap理論的特征歸因解釋提升樹的方法，其特征在于：所述步驟3中的shap值計算使用第三方庫函數計算。
6.根據權利要求1所述的一種基于shap理論的特征歸因解釋提升樹的方法，其特征在于：所述第三方庫函數為python中的shap庫。
【技術特征摘要】
1.一種基于shap理論的特征歸因解釋提升樹的方法，其特征在于：包括以下步驟：
2.根據權利要求1所述的一種基于shap理論的特征歸因解釋提升樹的方法，其特征在于：所述步驟4中，
3.根據權利要求1所述的一種基于shap理論的特征歸因解釋提升樹的方法，其特征在于：所述步驟5中，特征影響圖橫軸為shap值，縱軸為特征參數，當特征shap值為正值時，為紅色，當特征shap值為負值時，為藍色。
4.根據權利要求1所述的一種基于shap理論的特征歸因解...
【專利技術屬性】
技術研發人員：杜夢嬌，劉濤，袁慧，常楠，王宇達，
申請(專利權)人：蘇銀凱基消費金融有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。