如何使用SHAP绘制真实得分为1但预测值偏低的致病基因样本？

嘿，我知道你现在卡在筛选目标样本的环节了——明明只有1个符合条件的基因，但代码却画出了全部171个样本，这肯定是筛选逻辑或者数据结构出了小问题。咱们一步步来解决：

1. 先确认筛选条件是否真的选中了目标样本 #

在急着画SHAP图之前，先做个小验证，看看你的筛选条件到底有没有选到正确的样本：

# 打印符合条件的样本数量，应该是1才对
print("符合条件的样本数：", sum(m))
# 直接查看筛选后的真实值和预测值，确认是不是你要的那个基因
print("筛选后的真实得分：", Y_test[m])
print("筛选后的预测得分：", y_pred[m])

如果这里输出的样本数还是171，那大概率是Y_test的结构或者索引对齐的问题：

• 如果Y_test是DataFrame（不是你描述的Series），那Y_test ==1会返回一个DataFrame，和y_pred（numpy数组）做与运算会出错，得改成Y_test['Score'] ==1。
• 如果X_test和Y_test的索引没对齐，直接用Y_test ==1生成的布尔数组会和y_pred的顺序错位，导致筛选失效。

2. 修正后的完整代码 #

假设你的Y_test是Pandas Series（和你给出的数据结构一致），用下面的代码就能正确筛选：

import shap
import xgboost as xgb

# 假设模型已经训练好，X_train/Y_train是训练集，X_test/Y_test是测试集
xgbr = xgb.XGBRegressor()
xgbr.fit(X_train, Y_train)

# 生成SHAP值和预测值
explainer = shap.TreeExplainer(xgbr)
shap_values = explainer.shap_values(X_test)
y_pred = xgbr.predict(X_test)

# 核心：正确生成筛选条件的布尔数组
# 用Y_test.values保证和y_pred的顺序完全一致，避免索引错位
threshold = 0.5  # 你可以改成0.8或者其他阈值
m = (y_pred <= threshold) & (Y_test.values == 1)

# 先验证筛选结果
print(f"符合条件的样本数量：{sum(m)}")
if sum(m) > 0:
    # 只针对筛选后的样本绘制SHAP决策图
    shap.initjs()
    shap.decision_plot(
        explainer.expected_value,
        shap_values[m],
        X_test[m],
        return_objects=True
    )
else:
    print("没有找到符合条件的样本，请检查阈值设置或者数据！")

3. 几个关键细节要注意 #

• 索引对齐问题：如果X_test和Y_test的索引不一样，直接用Y_test ==1会导致布尔数组的顺序和y_pred不匹配，这时候用Y_test.values直接取数值数组，就能保证顺序完全一致。
• 数据结构检查：确认Y_test是Series，要是它是DataFrame，记得加上列名，比如Y_test['Score'].values ==1。
• 阈值灵活调整：把代码里的threshold改成0.8或者你需要的其他值就行。

这样应该就能精准筛选出你要的那1个基因，画出正确的SHAP决策图啦！

内容的提问来源于stack exchange，提问作者DN1