SHAP Bar

Как интерпретировать ShapBar-график?

SHAP Bar-график отображает среднее абсолютное влияние признаков на предсказания модели. Каждый столбец показывает, насколько сильно соответствующий признак в среднем влияет на итоговое решение модели, независимо от направления (в плюс или минус).

🔹 Чем длиннее столбец — тем более важен признак для модели.
🔹 Используется для глобальной интерпретации модели — помогает понять, какие признаки наиболее значимы в целом, а не для конкретного объекта.

🧪 Кейс классификации: Iris Dataset

Модель: `LogisticRegression`

Цель: классифицировать вид цветка (setosa, versicolor, virginica).

Визуализация Iris dataset

📊 SHAP Bar-график по всему датасету показывает, что petal width и petal length — главные глобальные признаки, так как они чаще всего вносят вклад в классификацию.

🧪 Кейс регрессии: California Housing

Модель: `KNeighborsRegressor`

Цель: предсказать стоимость дома по характеристикам района.

Визуализация California Housing dataset

📊 SHAP Bar-график по всему набору данных помогает увидеть, что, например, total rooms и median income — сильно влияют на предсказание и формируют основу решений модели.