Shap解释Transformer回归模型并且基于shap库对Transformer模型（pytorch搭建）进行解释，绘制变量重要性汇总图、自变量重要性、瀑布图、热图等等

因为是回归模型，和分类模型没什么区别，只是需要修改一下loss的计算方式，所以只用到了Transformer的Encoder模块，使用了4层encoder和1层全连接网络的结果，没有用embedding，因为自变量本身就有15个维度，而且全是数值，相当于自带embedding

代码架构说明：

第一步：数据处理

数据是从nhanes数据库中下载的，自变量有15个，因变量1个，每个样本看成维度为15的单词即可，建模前进行了归一化处理

第二步：构建transformer模型，包括4层encoder层和1层全连接层

第三步：评估模型，计算测试集的recall、f1、kappa、pre等

第四步：shap解释，用kernel解释器（适用于任意机器学习模型）对transformer模型进行解释，并且分别绘制自变量重要性汇总图、自变量重要性柱状图、单个变量的依赖图、单个变量的力图、单个样本的决策图、多个样本的决策图、热图、单个样本的解释图等8类图片

代码注释详细，逻辑简单，有python基础就可以看懂，包括原始数据、源代码、详细的说明文档和运行结果图，下载后先看说明文档，可一键运行出图，可以替换为自己的数据，可以进行简单的

ID:33150

详询客服 微信shujuqudong1 或shujuqudong6 或 qq68823886 或 27699885

图文详情请查看： http://matup.cn/867597021700.html