请求协助实现员工流失预测模型的单样本特征重要性排序展示

针对你需要为每个员工ID输出影响其离职预测结果的Top3特征并按系数排序的需求，以下是基于不同模型类型的具体实现方法：

一、按模型类型选择实现方式 #

1. 树模型（XGBoost、LightGBM、RandomForest等） #

树模型最适合用SHAP值来量化个体样本的特征贡献，它能准确反映每个特征对该员工离职预测结果的正负影响程度。

具体步骤：

• 先安装SHAP库：pip install shap
• 加载训练好的模型和包含员工ID、特征的数据集
• 计算所有样本的SHAP值：

  import shap
  import pandas as pd
  
  # 假设trained_model是你训练好的树模型，employee_data包含EMPLOYEE_ID和所有特征列
  explainer = shap.TreeExplainer(trained_model)
  shap_values = explainer.shap_values(employee_data.drop("EMPLOYEE_ID", axis=1))
  
  # 二分类场景下，取对应"离职"类的SHAP值（通常是索引1）
  if isinstance(shap_values, list):
      shap_values = shap_values[1]
  

• 生成每个员工的Top3特征：

  feature_names = employee_data.drop("EMPLOYEE_ID", axis=1).columns
  shap_df = pd.DataFrame(shap_values, columns=feature_names, index=employee_data["EMPLOYEE_ID"])
  
  # 按特征贡献的绝对值排序，取前3并保留系数（正负代表影响方向：正=推动离职，负=抑制离职）
  top3_results = shap_df.apply(
      lambda row: row.sort_values(key=lambda x: abs(x), ascending=False).head(3).to_dict(),
      axis=1
  )
  

2. 线性模型（Logistic Regression） #

线性模型的个体特征贡献直接等于特征取值 × 模型系数，计算起来更直接：

具体步骤：

• 提取训练好的模型系数，计算每个样本的特征贡献：

  import pandas as pd
  
  # 假设trained_model是训练好的Logistic Regression模型
  model_coef = trained_model.coef_[0]
  feature_names = employee_data.drop("EMPLOYEE_ID", axis=1).columns
  
  # 计算每个员工的特征贡献值
  contribution_df = employee_data.drop("EMPLOYEE_ID", axis=1) * model_coef
  contribution_df.index = employee_data["EMPLOYEE_ID"]
  
  # 生成Top3特征
  top3_results = contribution_df.apply(
      lambda row: row.sort_values(key=lambda x: abs(x), ascending=False).head(3).to_dict(),
      axis=1
  )
  

二、结果整合与展示 #

可以把结果合并到原员工数据集中，方便查看：

# 将Top3特征转换为易读的字符串格式
employee_data["TOP3_INFLUENTIAL_FACTORS"] = top3_results.apply(
    lambda x: ", ".join([f"{feat}: {coeff:.2f}" for feat, coeff in x.items()])
)

输出后每个员工的该列会显示类似：SALARY: 1.25, SATISFACTION: -0.91, DISTANCE FROM HOME: 0.62，直观展示影响最大的三个因素及作用方向。

三、关键注意事项 #

• 确保用于计算的数据集特征与模型训练时的特征完全一致（包括顺序、名称、预处理方式），避免出现匹配错误。
• 若使用神经网络等其他模型，可替换为shap.DeepExplainer来计算SHAP值，逻辑和树模型一致。
• 排序时如果更关注影响的"大小"，按绝对值排序；如果要优先展示推动离职的因素，可直接按系数降序排序。

内容的提问来源于stack exchange，提问作者Mariyem