LogoClawIndex
案例技能关于
LogoClawIndex

shap - 使用 SHAP 解释机器学习预测

解释模型预测、计算特征归因、生成 SHAP 可视化,并分析模型行为、偏差、公平性和特征交互。

标签

更新于: 2026-10-05
机器学习模型可解释性可解释人工智能SHAP特征重要性公平性分析

能力

计算 SHAP 值解释单个预测可视化特征重要性调试模型行为

典型输入

已训练的机器学习模型特征数据背景数据

典型输出

SHAP 值特征重要性图预测解释

该技能可以做什么

  • 计算 SHAP 值
  • 解释单个预测
  • 可视化特征重要性
  • 调试模型行为
  • 分析偏差与公平性
  • 比较模型解释
  • 分析特征交互
  • 部署解释服务

输入

  • 已训练的机器学习模型
  • 特征数据
  • 背景数据
  • 目标标签
  • 受保护群体属性

输出

  • SHAP 值
  • 特征重要性图
  • 预测解释
  • 模型行为分析
  • 公平性与偏差分析
  • 解释服务接口

要求

  • Python 环境
  • SHAP 库
  • 受支持的模型框架

来源

  • 规范: SKILL.md

ClawIndex

OpenClaw Skills 与 Use Case 索引

ClawIndex 是一个生态驱动的 OpenClaw Skills 与真实 Use Case 索引站。

索引

Skills·
Cases

Meta

关于·
声明·
邮箱·
GitHub
© 2026 ClawIndex 保留所有权利。