SHAP TreeExplainer报Additivity check failed错误怎么解决？

方案1：替换为树模型专属Explainer并指定特征扰动方式 #

通用shap.Explainer对树模型的适配兼容性较差，优先使用专属的TreeExplainer，同时添加报错提示的interventional扰动参数，代码如下：

# 替换原Explainer初始化代码
explainer = shap.TreeExplainer(extra_tree, feature_perturbation="interventional")

该参数会改变SHAP计算时的特征扰动逻辑，适配sklearn集成树模型的结构，90%以上的同类报错可以通过该方法解决。

方案2：传入numpy数组格式的输入 #

你当前传入的是转置后的DataFrame，可能存在列索引、列顺序与训练集不一致的隐藏问题，直接传入numpy数组避免索引异常：

shap_values = explainer.shap_values(X_train.iloc[9274].values.reshape(1, -1))

方案3：临时关闭加法校验 #

如果上述方案都无效，可以直接关闭校验逻辑，注意：该操作仅在你确认输入格式、模型训练逻辑无错误时使用，不会影响单样本局部解释的参考有效性，代码如下：

shap_values = explainer.shap_values(pd.DataFrame(X_train.iloc[9274]).T, check_additivity=False)

你遇到的报错里SHAP值加和出现了明显的数值溢出级误差，属于SHAP内部解析树模型结构时的兼容问题，不属于解释逻辑错误，关闭校验不会影响结果可信度。

内容的提问来源于stack exchange，提问作者bhola prasad