使用R语言如何按类别可视化二分类XGBoost模型的特征重要性

核心逻辑 #

你之前生成的是全局特征重要性，是所有样本的平均绝对SHAP值统计结果。要区分二分类两个类别的特征重要性，只需将样本按真实标签（或预测标签）分组，分别统计每个分组内各特征的平均绝对SHAP值即可。

修正后可运行代码 #

首先修正你原代码中的笔误，补充标签匹配和分组统计逻辑：

library(caret)
library(dplyr)
library(xgboost)
library(ggplot2)
library(SHAPforxgboost)

# --------------- 原有模型训练逻辑（保留即可）---------------
x_train_xgb<-xgb.DMatrix(as.matrix(x_train),label=y_train)
x_test_xgb<-xgb.DMatrix(as.matrix(x_test),label=y_test)

params_xgb<-list(booster = "dart", 
                 objective = "binary:logistic",eta=0.3,gamma=1,max_depth=5,
                 min_child_weight=2,subsample=1,colsample_bytree=1,lambda=1.25,alpha=0.75)
xgb_cv<-xgb.cv(params=params_xgb,
               data=x_train_xgb,nrounds=600,nfold=5,showsd = T, 
               early.stop.round = 35, maximize = F,metrics=c('auc'))
gb_dt <- xgb.train(params = params_xgb,
                   data = x_train_xgb,
                   nrounds = xgb_cv$best_iteration,
                   print_every_n = 2,
                   eval_metric=c('auc'),
                   watchlist=list(train=x_train_xgb,eval=x_test_xgb))

xgb_pred<-predict(gb_dt,x_test_xgb)
binary_pred_xgb<-as.numeric(xgb_pred > 0.5)
confusionMatrix(as.factor(binary_pred_xgb),as.factor(y_test))

# --------------- 新增按类别统计SHAP重要性逻辑 ---------------
# 基于测试集计算SHAP值，和测试集标签一一对应
xgb_contrib <- shap.values(gb_dt, X_train = as.matrix(x_test))
shap_value_xgb <- xgb_contrib$shap_score
# 生成SHAP长表，移除原代码中笔误的var_cat参数
shap_long_xgb <- shap.prep(
  shap_contrib = shap_value_xgb,
  X_train = as.matrix(x_test)
)
# 匹配每个样本的真实标签
shap_long_xgb <- shap_long_xgb %>%
  group_by(ID) %>% 
  mutate(true_label = as.factor(y_test[cur_group_id()])) %>%
  ungroup()

# 按标签分组统计各特征重要性
class_importance <- shap_long_xgb %>%
  group_by(true_label, variable) %>%
  summarise(
    mean_abs_shap = mean(abs(shap_value)),
    .groups = "drop"
  ) %>%
  group_by(true_label) %>%
  mutate(percentage = round(mean_abs_shap / sum(mean_abs_shap) * 100, 2)) %>%
  slice_max(order_by = mean_abs_shap, n = 10) %>% # 每个类别取Top10特征
  ungroup()

# 分面绘制两个类别的特征重要性
ggplot(class_importance, aes(x = reorder(variable, percentage), y = percentage, fill = true_label)) +
  geom_col(show.legend = FALSE) +
  geom_text(aes(label = paste0(percentage, "%")), hjust = -0.1, size = 3) +
  facet_wrap(~true_label, scales = "free_y", 
             labeller = labeller(true_label = c("0" = "负类", "1" = "正类"))) +
  coord_flip() +
  labs(x = "特征名称", y = "平均SHAP值占比(%)", title = "不同类别下Top10特征重要性") +
  theme_minimal()

如果需要按模型预测标签分组统计，只需将上述代码中y_test替换为binary_pred_xgb即可

可选拓展：查看特征对分类结果的影响方向 #

如果不仅要看重要性，还要看特征取值高低对分类为正类/负类的影响，可直接调用SHAP摘要散点图：

shap.plot.summary(shap_long_xgb)

该图横轴为SHAP值（正代表推高正类概率，负代表推高负类概率），点的颜色代表特征取值高低，可直观看到每个特征对两类结果的影响逻辑。

内容的提问来源于stack exchange，提问作者Candra Parashian