如何在SHAP摘要图中绘制全部特征并显示SHAP值？

1. 显示全部28个特征 #

shap.summary_plot 提供了 max_display 参数，默认值为20，直接将其设置为28即可强制展示所有目标特征。

2. 在条形图上标注SHAP值 #

由于你的模型是多输出（5个响应变量），shap_values 会返回一个包含5个数组的列表（每个数组对应一个响应变量的SHAP值）。需要先计算每个特征在所有输出上的平均绝对SHAP值，再通过Matplotlib的API在条形图上标注具体数值。

修改后的完整代码 #

import shap
import numpy as np
import matplotlib.pyplot as plt

# 创建解释器
explainer = shap.DeepExplainer(model, PRED_train)
# 计算SHAP值
shap_values = explainer.shap_values(PRED_test)

# 计算每个特征在所有输出上的平均绝对SHAP值
mean_abs_shap = np.mean([np.abs(sv).mean(axis=0) for sv in shap_values], axis=0)

# 绘制摘要条形图，设置显示全部28个特征
fig, ax = plt.subplots()
shap.summary_plot(shap_values, features=PRED_test, plot_type='bar', max_display=28, ax=ax)

# 在每个条形右侧标注SHAP值（保留4位小数，可按需调整）
for p in ax.patches:
    width = p.get_width()
    ax.text(width + 0.01, p.get_y() + p.get_height()/2, 
            f'{width:.4f}', ha='left', va='center')

plt.show()

补充说明 #

• 如果你的 PRED_test 没有特征名称，条形图x轴会显示索引。可以手动传入特征名列表优化显示：

  # 示例：生成29个特征名称
  feature_names = [f'Feature_{i+1}' for i in range(29)]
  # 绘图时传入feature_names参数
  shap.summary_plot(shap_values, features=PRED_test, feature_names=feature_names, plot_type='bar', max_display=28, ax=ax)
  

内容的提问来源于stack exchange，提问作者Ellie Moh