多分类场景下SHAP值形状异常及多类别SHAP可视化疑问

问题背景 #

我有一个包含816行、8个数值特征的小型数据集，目标变量为包含4个类别的分类变量。在该数据集上训练XGB模型后，使用SHAP分析特征重要性的代码如下：

explainer = shap.TreeExplainer(model, X_test)
shap_values = explainer(X_test_scaled_df)

运行后得到的shap_values形状为(816,8,4)（816为样本数、8为特征数、4为类别数），与文档/线上示例的预期形状不符。必须执行以下代码才能绘制类别0的特征重要性：

shap.plots.bar(shap_values[:,:,0])

但文档及线上示例显示只需执行shap.plots.bar(shap_values)即可。使用SHAP版本0.45.1，更新版本后结果一致，请问这是为什么？另外，如何在单个图中展示所有类别的SHAP值？

问题解答 #

1. 为什么shap_values是三维数组？ #

这是多分类任务下的正常行为：

• 当模型是二分类时，TreeExplainer默认只返回正类的SHAP值，所以形状是(n_samples, n_features)，这也是大部分基础示例展示的场景。
• 当模型是多分类（比如你的4类别任务），TreeExplainer会为每个类别单独计算SHAP值，因此输出形状为(n_samples, n_features, n_classes)，第三维对应每个类别的SHAP贡献。

文档中的示例大多基于二分类或回归任务，所以没有展示多分类的三维数组情况，这才导致你产生认知差异。

2. 如何在单个图中展示所有类别的SHAP值？ #

有三种常用方法：

方法一：用shap.summary_plot直接生成多类别柱状图

指定plot_type="bar"并传入类别名称，即可在同一图中展示每个特征在所有类别中的平均绝对SHAP值：

# 假设你有类别名称列表，比如class_names = ["类别0", "类别1", "类别2", "类别3"]
shap.summary_plot(shap_values, X_test_scaled_df, plot_type="bar", class_names=class_names)

方法二：手动汇总特征全局重要性后绘制

先计算每个特征在所有类别中的平均绝对SHAP值总和，再转换为SHAP可识别的对象绘制：

import numpy as np

# 计算每个特征在所有类别中的平均绝对SHAP值总和
feature_importance = np.mean(np.abs(shap_values), axis=(0, 2))

# 转换为Explanation对象适配bar图
shap_exp = shap.Explanation(values=feature_importance, feature_names=X_test_scaled_df.columns)
shap.plots.bar(shap_exp)

方法三：绘制分组柱状图对比各类别特征重要性

如果需要对比每个类别单独的特征重要性，可以手动用Matplotlib生成分组柱状图：

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(10,6))
bar_width = 0.2
x = np.arange(len(X_test_scaled_df.columns))

# 遍历每个类别，绘制对应特征的平均绝对SHAP值
for i in range(4):
    class_shap_mean = np.mean(np.abs(shap_values[:,:,i]), axis=0)
    ax.bar(x + i*bar_width, class_shap_mean, width=bar_width, label=f"类别{i}")

ax.set_xticks(x + bar_width*1.5)
ax.set_xticklabels(X_test_scaled_df.columns, rotation=45)
ax.legend()
plt.title("各类别特征SHAP重要性对比")
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Mobius88