Как рассчитать значения формы для модели ADABoost?

Я использую 3 разные модели (случайный лес, повышение градиента, ускорение Ады) и ансамбль моделей, основанный на этих трех моделях.

Мне удалось использовать SHAP для GB и RF, но не для ADA со следующей ошибкой:

Exception                                 Traceback (most recent call last)
in engine
----> 1 explainer = shap.TreeExplainer(model,data = explain_data.head(1000), model_output= 'probability')

/home/cdsw/.local/lib/python3.6/site-packages/shap/explainers/tree.py in __init__(self, model, data, model_output, feature_perturbation, **deprecated_options)
    110         self.feature_perturbation = feature_perturbation
    111         self.expected_value = None
--> 112         self.model = TreeEnsemble(model, self.data, self.data_missing)
    113 
    114         if feature_perturbation not in feature_perturbation_codes:

/home/cdsw/.local/lib/python3.6/site-packages/shap/explainers/tree.py in __init__(self, model, data, data_missing)
    752             self.tree_output = "probability"
    753         else:
--> 754             raise Exception("Model type not yet supported by TreeExplainer: " + str(type(model)))
    755 
    756         # build a dense numpy version of all the tree objects

Exception: Model type not yet supported by TreeExplainer: <class 'sklearn.ensemble._weight_boosting.AdaBoostClassifier'>

Я нашел эту ссылку в Git, что состояние

TreeExplainer создает объект TreeEnsemble из любого типа модели, который мы пытаемся объяснить, а затем работает с ним ниже по течению. Поэтому все, что вам нужно сделать, это добавить еще один оператор if в

TreeEnsemble конструктор, аналогичный конструктору повышения градиента

Но я действительно не знаю, как это реализовать, так как я совершенно новичок в этом.


shap adaboost
person Shadelex    schedule 27.02.2020    source источник

Ответы (2)


arrow_upward
3
arrow_downward

У меня была та же проблема, и я изменил файл в git. вы комментируете.

В моем случае я использую Windows, поэтому файл находится в папке C:\Users\my_user\AppData\Local\Continuum\anaconda3\Lib\site-packages\shap\explainers, но вы можете дважды щелкнуть сообщение об ошибке, и файл будет открыт.

Следующим шагом является добавление еще одного elif, как говорится в ответе справки git. В моем случае я сделал это из строки 404 следующим образом:

1) Изменить исходный код.

... 
    self.objective = objective_name_map.get(model.criterion, None)
    self.tree_output = "probability"
elif str(type(model)).endswith("sklearn.ensemble.weight_boosting.AdaBoostClassifier'>"): #From this line I have modified the code
    scaling = 1.0 / len(model.estimators_) # output is average of trees
    self.trees = [Tree(e.tree_, normalize=True, scaling=scaling) for e in model.estimators_]
    self.objective = objective_name_map.get(model.base_estimator_.criterion, None) #This line is done to get the decision criteria, for example gini.
    self.tree_output = "probability" #This is the last line I added
elif str(type(model)).endswith("sklearn.ensemble.forest.ExtraTreesClassifier'>"): # TODO: add unit test for this case
    scaling = 1.0 / len(model.estimators_) # output is average of trees
    self.trees = [Tree(e.tree_, normalize=True, scaling=scaling) for e in model.estimators_]
...

Обратите внимание, что в других моделях коду shap требуется атрибут 'criterion', которого классификатор AdaBoost не имеет напрямую. Так что в этом случае этот атрибут получен из слабых классификаторов с обучением AdaBoost, поэтому я добавляю model.base_estimator_.criterion .

Наконец, вам нужно снова импортировать библиотеку, обучить свою модель и получить значения формы. оставляю пример:

2) Снова импортируйте библиотеку и попробуйте:

from sklearn import datasets
from sklearn.ensemble import AdaBoostClassifier
import shap

# import some data to play with
iris = datasets.load_iris()
X = iris.data
y = iris.target

ADABoost_model = AdaBoostClassifier()
ADABoost_model.fit(X, y)

shap_values = shap.TreeExplainer(ADABoost_model).shap_values(X)
shap.summary_plot(shap_values, X, plot_type="bar")

Что генерирует следующее:

3) Получите новые результаты:

введите здесь описание изображения

person Henry Navarro    schedule 08.04.2020
comment
@Shadelex, если ответ в порядке, рассмотрите возможность его принятия. - person Henry Navarro; 14.05.2020

arrow_upward
1
arrow_downward

Похоже, что пакет shap был обновлен и по-прежнему не содержит AdaBoostClassifier. Основываясь на предыдущем ответе, я изменил предыдущий ответ для работы с файлом shap/explainers/tree.py в строках 598-610.

### Added AdaBoostClassifier based on the outdated StackOverflow response and Github issue here
### https://stackoverflow.com/questions/60433389/how-to-calculate-shap-values-for-adaboost-model/61108156#61108156
### https://github.com/slundberg/shap/issues/335
elif safe_isinstance(model, ["sklearn.ensemble.AdaBoostClassifier", "sklearn.ensemble._weighted_boosting.AdaBoostClassifier"]):
    assert hasattr(model, "estimators_"), "Model has no `estimators_`! Have you called `model.fit`?"
    self.internal_dtype = model.estimators_[0].tree_.value.dtype.type
    self.input_dtype = np.float32
    scaling = 1.0 / len(model.estimators_) # output is average of trees
    self.trees = [Tree(e.tree_, normalize=True, scaling=scaling) for e in model.estimators_]
    self.objective = objective_name_map.get(model.base_estimator_.criterion, None) #This line is done to get the decision criteria, for example gini.
    self.tree_output = "probability" #This is the last line added

Также работаю над тестированием, чтобы добавить это в пакет :)

person HS-nebula    schedule 25.06.2020