LogoClawIndex
案例技能关于
LogoClawIndex

shap - 使用 SHAP 解释机器学习模型预测。

计算 SHAP 值、可视化特征重要性、解释预测结果、调试模型、比较模型并分析支持模型类型中的偏差或公平性。

标签

更新于: 2026-10-04
SHAP机器学习可解释人工智能模型可解释性

能力

典型输入

典型输出

该技能可以做什么

  • 计算 SHAP 值
  • 生成 SHAP 图表
  • 解释单个预测
  • 分析特征重要性
  • 调试模型行为
  • 比较多个模型
  • 分析偏差与公平性
  • 实现可解释人工智能

输入

  • 训练好的机器学习模型
  • 输入或测试数据
  • 模型输出类型
  • 背景数据
  • 受保护群体属性
  • 真实标签

输出

  • SHAP 值
  • 特征重要性可视化结果
  • 单个预测解释
  • 模型调试结果
  • 模型比较分析
  • 偏差与公平性分析
  • 可解释性实现指导

要求

  • SHAP 库
  • 受支持的机器学习模型

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。
特征重要性
公平性分析
计算 SHAP 值
生成 SHAP 图表
解释单个预测
分析特征重要性
训练好的机器学习模型
输入或测试数据
模型输出类型
SHAP 值
特征重要性可视化结果
单个预测解释