SHAP Beeswarm

Как интерпретировать Beeswarm-график?

🟣 Цвет маркеров

Цветовая шкала маркеров соответствует нормированным значениям признаков, а не их важности.

В классической палитре SHAP:

• 🔵 Синий — низкое значение признака
• 🔴 Красный/розовый — высокое значение признака
• 🟣 Фиолетовые и промежуточные цвета — промежуточные значения

⚠️ Цвет не отражает важность признака — он показывает его нормализованное физическое значение.

---

↔️ Ось X = SHAP value

Положение точки по оси X показывает, насколько и в какую сторону признак влияет на предсказание.

• ➕ Справа от 0 — признак повышает предсказание
• ➖ Слева от 0 — признак понижает предсказание

Примеры:

• Красная точка на +1.5 → высокий признак, сильно увеличил результат
• Синяя точка на –2.0 → низкий признак, сильно уменьшил результат

---

↕️ Ось Y = Признаки (фичи)

Каждая строка на графике — это отдельный признак. Чем выше он расположен, тем больше его средняя абсолютная важность (mean(|SHAP|)).

• Верхние признаки — наиболее важны
• Нижние признаки — менее значимы

---

🐝 Распределение точек внутри признака

Распределение точек напоминает роение пчёл — отсюда и название Beeswarm.

• Каждая точка — это отдельный объект (пример) из набора данных
• Вертикальное отклонение точек — это джиттер, добавленный для предотвращения наложения и улучшения читаемости графика

💡 Важно: вертикальная позиция точек не несёт смысловой нагрузки — это просто визуальный приём.

---

✍️ Пример чтения графика

Рассмотрим строку для признака petal_length (длина лепестка):

• Слева — много синих точек
  → короткие лепестки уменьшают предсказание
• Справа — много красных точек
  → длинные лепестки увеличивают предсказание
• Центр — фиолетовые/розовые точки с SHAP ≈ 0
  → лепестки среднего размера имеют нейтральный эффект

---

🧠 Итог: как читать Beeswarm-график

Элемент	Что означает
Цвет точки	Насколько велико значение признака
Положение по X	Насколько признак повлиял на результат
Положение по Y	Какой это признак и насколько он важен
Распределение точек	Как признак влияет на разные объекты

---

🧪 Кейс классификации: Iris Dataset

Разберём график на примере набора Iris и модели LogisticRegression.

1. Признак petal_length показывает сильное смещение точек вправо — он наиболее значим для предсказания.
   Признак важен и при высоких, и при низких значениях, что видно по разноцветным точкам.

2. В признаке petal_width значимы только высокие значения — синих точек почти нет, значит, низкие значения не влияют на результат.

3. Признаки sepal_length и sepal_width почти не влияют — большинство точек сосредоточены вокруг SHAP ≈ 0.
   При этом в sepal_length видно, что высокие значения (красные точки) дают отрицательный SHAP — они могут понизить вероятность предсказания.

---

🧪 Кейс регрессии: California Housing

Рассмотрим SHAP Beeswarm-график для задачи прогноза стоимости недвижимости на основе датасета California Housing с моделью KNeighborsRegressor.

• Целевая переменная: медианная стоимость домов в долларах
• Один объект: блочная группа домов

Анализ:

1. Признак total_rooms — самый значимый.
2. Фиолетовые точки справа → средние значения увеличивают предсказание на 100k+ $

3. Синие точки слева → низкие значения уменьшают предсказание

4. Признаки latitude и longitude не дают существенного вклада
   → логично, т.к. в "сыром" виде они малоинформативны без фича-инжиниринга (например, кластеров или расстояний до побережья)

5. median_income и median_age — почти не влияют
   → вклад в цену редко превышает ±10k $

---

🔍 Вывод

• Без feature engineering не обойтись.
• Нужно унифицировать признаки: сейчас есть и медианные, и абсолютные показатели.
• Так как целевой показатель — медианная стоимость, признаки с абсолютными значениями (например, total_rooms) желательно привести к медианным или средним на дом (например, rooms_per_household).

---