【MATLAB第122期】基于MATLAB的SHAP可解释神经网络回归模型APP（插件）
一、简介
- 用 BP 神经网络完成建模与预测；
- 用 SHAP（Shapley Additive Explanations）解释模型输出；
- 用一套可视化界面把"性能 + 解释 +图形联动"串起来。
-
二、插件功能
1）BP 建模能力
- 支持 Excel 数据直接导入；
- 支持自定义输入列、输出列、起止行；
- 支持网络参数配置（隐藏层节点、训练轮次、训练比例等）；
- 支持固定随机种子，保证实验可复现。
2）SHAP 可解释能力
- 计算样本级 SHAP 值；
- 输出 SHAP 蜂群图与 SHAP 特征重要性图；
- 自动生成 SHAP 依赖图分析、SHAP 决策图、SHAP 热力图、SHAP 力图等多种视图；
- SHAP 分析完成后可联动更新 BP 结果页中的特征重要性表格。
3）可视化与交互能力
- 图形类型支持人工可视选择（非下拉隐藏）；
- 支持单图弹窗与多图布局组合；
- 支持缩放、平移、数据光标、导出图像；
- 图形设置（网格、图例、数值显示、字体）可统一生效。
三、界面结构说明（模块化设计）
采用多标签页结构，核心包括：
- 数据预处理：导入数据、配置列范围、查看原始数据；
- BP分析结果：模型指标、模型信息、特征重要性汇总；
- SHAP分析：执行 SHAP 计算并展示解释结果；
- 图形可视化：按图形类型查看、弹出、导出与组合布局；
- 高级设置：授权、lic 路径配置等。
这种结构适合完整分析链路：
导入数据 -> 训练模型 -> SHAP解释 -> 可视化输出。
Step 1：加载 Excel 数据
在"数据预处理"页点击"加载Excel"，插件会读取并展示全部数据。
可根据业务字段设置：
- 起始行/结束行
- 输入列范围
- 输出列索引
- 特征名称（用于图形标签）
Step 2：配置 BP 参数并运行
根据数据规模设置：
- 隐藏节点数
- 迭代次数
- 训练比例
- 是否固定随机种子（建议论文复现实验开启）
点击"运行BP分析"后，进入指标结果与模型信息展示。
Step 3：运行 SHAP 分析
在"SHAP分析"页设置样本数并执行。
完成后插件会自动生成：
- SHAP 蜂群图
- SHAP 特征重要性图
- SHAP 依赖图分析（多子图）
- SHAP 决策图
Step 4：图形可视化与报告输出
进入"图形可视化"页，手动选择图形类型：
- SHAP蜂群图
- 条形图 / 水平条形图
- 阶梯图 / 散点图 / 热力图 / 雷达图 / 小提琴图
- SHAP依赖图 / SHAP决策图 / SHAP值热力图 / SHAP力图
- 弹出当前图形
- 组合多图布局
四、APP打包文件获取
1.阅读首页置顶文章
2.关注CSDN
3.根据自动回复消息，回复"122期"以及相应指令，即可获取对应下载方式。