SHAP瀑布图点垂直重叠难以解读，求解决方法

我有一个包含6个输入特征、2个输出变量、1000条观测值的数据集，绘制Waterfall类型的SHAP图时出现了点垂直重叠的问题，导致很难解读输入对输出的影响。

我的代码如下：

# 数据集加载（原代码中dataset = 部分未完整，保留原样）
dataset = 
x = df.iloc[:, 0:6]
y = df.iloc[:, [6, 7]]
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=0)
rf_model = RandomForestRegressor()
rf_pipeline = Pipeline([
    ('scaler', StandardScaler()),
    ('regressor', rf_model)
])
rf_pipeline.fit(x_train, y_train)

explainer = shap.TreeExplainer(rf_model)
shap_values = explainer.shap_values(x_test)

shap.summary_plot(shap_values[0], x_test)
plt.title('SHAP Values for Output 1')

shap.summary_plot(shap_values[1], x_test)
plt.title('SHAP Values for Output 2')

问题大概率和数据范围有关，绘图时X轴范围约在-350到30之间，缩小X轴范围后第一个变量的点直接消失了，请问该怎么解决？

• 调整点的透明度：在shap.summary_plot中添加alpha参数（比如alpha=0.3），让重叠的点能透过彼此显示，不用缩小X轴范围也能大致判断数据分布。示例代码：

  shap.summary_plot(shap_values[0], x_test, alpha=0.3)
  

• 切换为蜜蜂图(beeswarm)或小提琴图：Waterfall图本身在数据量大时容易出现点重叠，换成蜜蜂图可让点更分散，保留所有数据点的同时提升可读性。只需在summary_plot中指定plot_type="beeswarm"：

  shap.summary_plot(shap_values[0], x_test, plot_type="beeswarm")
  

• 对SHAP值做截断处理：如果极端值由少数异常点导致，可用numpy对SHAP值做截断，保留大部分数据的同时去掉极端值，比如截断到99%分位数：

  import numpy as np
  shap_vals_truncated = np.clip(shap_values[0], np.percentile(shap_values[0], 1), np.percentile(shap_values[0], 99))
  shap.summary_plot(shap_vals_truncated, x_test)
  

  这样既缩小了X轴范围，又不会让第一个变量的点消失，因为仅截断了极端的少数点。
• 移除不必要的特征缩放：随机森林模型本身不需要特征缩放，你在Pipeline中加入的StandardScaler属于多余操作，反而可能放大SHAP值的范围。可以去掉Scaler后重新训练模型，再计算SHAP值观察范围是否正常。修改后的Pipeline：

  rf_pipeline = Pipeline([
      ('regressor', rf_model)
  ])
  

内容的提问来源于stack exchange，提问作者ziad361