如何在imblearn Pipeline后使用SHAP？附报错及代码示例

报错原因 #

TreeExplainer仅支持树结构模型（如AdaBoost、RandomForest等），但你传入的是整个imblearn Pipeline对象（包含SMOTE过采样和AdaBoost模型两个步骤），因此触发不支持类型的报错。

解决方案 #

从训练好的Pipeline中提取出内部的AdaBoost模型，再传入TreeExplainer即可。

修改后的SHAP代码 #

# 从最佳Pipeline中提取AdaBoost模型
best_adaboost = tuned_adaboost.best_estimator_.named_steps['adaboost']

# 初始化TreeExplainer并计算SHAP值
explainer = shap.TreeExplainer(best_adaboost)
shap_values = explainer.shap_values(X_test)
shap.summary_plot(shap_values[1], X_test)

补充说明 #

• Pipeline中的SMOTE仅作用于训练阶段，解释模型时直接使用原始测试集X_test即可，无需额外过采样。
• 使用named_steps['adaboost']可以清晰定位到Pipeline中指定名称的步骤，比通过索引（如steps[1][1]）更易读、更鲁棒。

内容的提问来源于stack exchange，提问作者new_data