如何解决SHAP库waterfall_plot调用时的IndexError报错问题

报错根因 #

这个越界报错出在SHAP生成瀑布图Y轴标签的环节：内部格式化特征值时拿到了空字符串，访问字符串第一个字符直接报错。本质是构造Explanation对象时传入的样本数据格式不兼容，加上KernelExplainer初始化和自定义Weka模型的适配问题，导致SHAP内部取特征值失败。

修复步骤 #

• 修正KernelExplainer初始化逻辑
  原有代码直接传入返回0/1分类标签的predict方法、且背景数据用Pandas DataFrame，会导致SHAP值计算不稳定，二分类场景应基于正类预测概率做解释：

  # 包装预测函数，仅返回正类概率
  def pos_class_proba(X_input):
      return sci_Model_2.predict_proba(X_input)[:, 1]
  
  # 背景数据转numpy数组传入，不要直接传DataFrame
  explainer_2 = shap.KernelExplainer(pos_class_proba, X.to_numpy())
  shap_values_2 = explainer_2.shap_values(X.to_numpy())
  

• 修正Explanation对象构造方式
  原有代码传入带字符串索引的Pandas Series作为样本数据，SHAP内部排序后用整数位置取值时会出现索引匹配错误，需去掉冗余索引、显式传入特征名：

  ex = shap.Explanation(
      values=shap_values_2[0],
      base_values=explainer_2.expected_value,
      data=X.iloc[0].to_numpy(), # 转为无索引的纯数值numpy数组
      feature_names=X.columns.tolist() # 显式传入特征名列表，不要传自定义columns变量避免长度/内容不匹配
  )
  

• 兜底类型检查
  如果上述修改后仍报错，先统一特征数据类型，避免arff转csv过程中混入非数值类型：

  # 所有特征强制转为浮点型，消除object dtype
  X = X.astype(float)
  

  执行完类型转换后重新计算SHAP值、构造Explanation对象即可正常绘图。

内容的提问来源于stack exchange，提问作者Pablo Moreira Garcia