随机生存森林(RSF)模型SHAP值绘图报错求助：预测值需为数值型

使用随机生存森林（RSF）模型绘制SHAP值时，执行代码触发报错：

Fejl i align_pred(pred_fun(object, bg_X, ...)) : Predictions must be numeric!

用户已确认模型的predicted结果为数值型数组，但无法定位问题根源。相关代码及预测值示例如下：

运行代码 #

xvars <- c("RIDRETH1", "RXDLIPID", "DRXTKCAL", "DRXTPROT", "DRXTCARB", "DRXTCHOL", "DRXTFIBE", "DRXTVARA", "DRXTATOC", "DRXTSODI", "DRXTPOTA", "DRXTM161", "DRXTM181", "DRXTM201", "DRXTM221", "DRXTP182", "DRXTP183", "DRXTP184", "DRXTP204", "DRXTP205", "DRXTP225", "DRXTP226", "DRXTRET", "DRXT_G_TOTAL", "DRXT_V_STARCHY_TOTAL", "DRXTS160", "DRXTS180", "DRXTsumSFA", "INDFMPIR", "LBXCOT", "GENDERRC")

X <- Data[sample(nrow(Data), 1000), xvars]

bg_X <- Data[sample(nrow(Data), 200), ]


system.time(
  ks <- kernelshap(rf_mort_nutrients_withoutage_1018_all, X, bg_X = bg_X, type = 'prob')
)
ks

ks <- shapviz(ks)
sv_importance(ks, kind = "bee", )

模型预测值示例 #

rf_mort_nutrients_withoutage_1018_all$predicted
   [1]  81.31376  75.82491  99.35944  58.63055  67.65847  98.32906  75.33934 107.81604  62.22175  75.69875  69.99881  83.67161  81.39735  65.59381

• 特征列不匹配：X仅包含xvars指定的特征，但bg_X取了全数据集的行，包含额外列。模型预测时输入特征不一致，可能导致输出格式异常。
  解决：修改bg_X定义，仅保留xvars列：

  bg_X <- Data[sample(nrow(Data), 200), xvars]
  

• type='prob'参数不适用：随机生存森林的预测目标通常是风险值或生存时间，并非分类任务的概率。kernelshap的type='prob'会触发分类模型的预测逻辑，导致输出不符合要求。
  解决：移除type='prob'参数，或根据RSF模型输出类型指定正确参数（如type='response'）。

• 预测函数输出格式异常：默认预测函数可能返回带额外属性的对象（如矩阵、列表），而非纯数值向量——即使model$predicted是数值型也可能出现此问题。
  解决：自定义预测函数，强制返回数值向量：

  pred_fun <- function(model, newdata) {
    as.numeric(predict(model, newdata = newdata))
  }
  

  然后在kernelshap中指定该函数：

  ks <- kernelshap(rf_mort_nutrients_withoutage_1018_all, X, bg_X = bg_X, pred_fun = pred_fun)
  

• 背景数据集类型不匹配：检查bg_X与X的特征数据类型是否完全一致（如因子列的水平、数值列的类型），类型不匹配可能导致预测输出异常。
  解决：用str(X)和str(bg_X)对比特征类型，对不一致的列进行转换统一。

内容的提问来源于stack exchange，提问作者mtvpr