shap

随风飘摇的土木狗

【MATLAB第116期】基于MATLAB的NBRO-XGBoost的SHAP可解释回归模型（敏感性分析方法）该文章实现了一个可解释的回归模型，使用NBRO-XGBoost（方法可以替换，但是需要有一定的编程基础）来预测特征输出。该模型利用七个变量参数作为输入特征进行训练。为了提高可解释性，应用了SHapley Additive exPlanations（SHAP），去深入了解每个参数对模型预测的贡献。

随风飘摇的土木狗

【MATLAB第114期】基于MATLAB的SHAP可解释神经网络分类模型（敏感性分析方法）该文章实现了一个可解释的神经网络分类模型，使用BP神经网络（BPNN）来预测特征输出。该模型利用12个变量参数作为输入特征进行训练。为了提高可解释性，应用了SHapley Additive exPlanations（SHAP），去深入了解每个参数对模型预测的贡献。

随风飘摇的土木狗

【MATLAB第112期】基于MATLAB的SHAP可解释神经网络回归模型（敏感性分析方法）【MATLAB第112期】基于MATLAB的SHAP可解释神经网络回归模型（敏感性分析方法）该文章实现了一个可解释的神经网络回归模型，使用BP神经网络（BPNN）来预测特征输出。该模型利用七个变量参数作为输入特征进行训练。为了提高可解释性，应用了SHapley Additive exPlanations（SHAP），去深入了解每个参数对模型预测的贡献。