未做独热编码的XGBoost模型如何计算SHAP值？

优先修复TreeExplainer的使用问题 #

TreeExplainer是最适配树模型的SHAP解释器，报错大概率是版本兼容或数据类型问题：

• 确认依赖版本：XGBoost需≥1.5.0，SHAP需≥0.40.0，旧版本对原生类别特征的支持存在bug。
• 确保训练数据的类别列已标记为pandas的category类型，且训练XGBoost模型时已开启enable_categorical=True。
• 示例代码：

import shap
import xgboost as xgb
import pandas as pd

# 标记类别列（替换categorical_cols为你的类别列名列表）
categorical_cols = ["col1", "col2"]
X_train_new = X_train_new.astype({col: "category" for col in categorical_cols})

# 初始化TreeExplainer并计算SHAP值
explainer = shap.TreeExplainer(xgb_model)
shap_values = explainer.shap_values(X_train_new)

• 若仍报错，可尝试使用SHAP的XGBoost原生解释接口（内部临时可用接口）：

explainer = shap.explainers._xgb.XGBExplainer(xgb_model)
shap_values = explainer(X_train_new)

修复KernelExplainer的类型转换问题 #

KernelExplainer会自动将输入转为numpy数组，丢失pandas的category类型标记，需在预测函数中手动恢复类型：

import numpy as np
import shap
import xgboost as xgb
import pandas as pd

categorical_cols = ["col1", "col2"]
X_train_new = X_train_new.astype({col: "category" for col in categorical_cols})

# 定义带类型恢复的预测函数
def predict_func(inp):
    # 若输入是numpy数组，转回DataFrame并恢复类别类型
    if isinstance(inp, np.ndarray):
        inp_df = pd.DataFrame(inp, columns=X_train_new.columns)
        inp_df = inp_df.astype({col: "category" for col in categorical_cols})
        dm = xgb.DMatrix(inp_df, enable_categorical=True)
    else:
        dm = xgb.DMatrix(inp, enable_categorical=True)
    return xgb_model.predict(dm)

# 初始化KernelExplainer（注意：KernelExplainer速度极慢，建议采样计算）
explainer = shap.KernelExplainer(predict_func, X_train_new)
shap_values = explainer.shap_values(X_train_new.sample(100))

替代方案：使用XGBoost的inplace_predict方法 #

inplace_predict支持直接处理类别特征，无需手动构建DMatrix，适配SHAP更简单：

import shap
import xgboost as xgb

def predict_func(inp):
    return xgb_model.inplace_predict(inp, enable_categorical=True)

explainer = shap.KernelExplainer(predict_func, X_train_new)
shap_values = explainer.shap_values(X_train_new.sample(50))

内容的提问来源于stack exchange，提问作者abhiram mkv