特征重要性计算
夏普利值-博弈论
SHAP 含义：观察到某一个样本的预测中各个特征对预测结果产生的影响。
基本思想：计算一个特征加入到模型时的边际贡献，然后考虑到该特征在所有的特征序列的情况下不同的边际贡献，取均值，即某该特征的SHAPbaseline value。
例如：A单独工作产生的价值为v{A},加入B后共同产生价值v{A,B},那么B的累加贡献是v{A,B}-v{A}.
对于所有能够形成的全局N的序列，求其中关于元素xi的累加贡献，然后取均值即可得到xi的shapley
value.
交互shap值
SHAP包⽂文章:https://github.com/slundberg/shap
https://christophm.github.io/interpretable-ml-book/shapley.html
SHAP包应⽤用中⽂文解析:https://yyqing.me/post/2018/2018-09-25-kaggle-model-insights
https://christophm.github.io/interpretable-ml-book/shapley.html
WX:Up_qU0110 欢迎➕V交流
