SHAP理论是什么时候出现的

SHAP（SHapley Additive exPlanations）理论最初是由Lloyd Shapley在1953年提出的，它最初是应用于博弈论中，用于解决参与者如何分配收益的问题。后来，在2017年，Scott Lundberg和Su-In Lee等人将SHAP理论应用于机器学习模型的可解释性和解释性评估中，提出了SHAP值的概念，成为一种用于解释机器学习模型的重要方法。

相关问题

Shap·E是干什么的

Shapley值（Shapley Values），又称沙普利指数，是一种公平分配理论的概念，主要用于经济学、博弈论和机器学习领域。它最初是由 Lloyd Shapley 在1953年提出的，目的是为了解决合作博弈中每个玩家对整体收益贡献的量化评估。在机器学习中，特别是对于模型解释和特征重要性分析，Shapley值被用于计算每个特征（输入变量）对于模型预测结果的局部影响程度。它提供了一种理解模型决策过程的方法，帮助我们理解哪些因素对模型预测起到了关键作用。

Shapley值通过将所有可能的特征组合考虑进来，然后按照一定的规则分配每个特征的“责任”，得出一个特征贡献度的得分。这使得模型的解释更为公正和全面。

SHAP interactions

SHAP interactions是指在模型中同时包含多个特征时，这些特征之间相互作用产生的效应。 当我们在模型中同时包含Interactions和Sales_Calls时，这两个特征共享的因果效应将被迫在它们之间展开。 为了更好地理解每个特征的影响，我们可以使用SHAP dependence plot来展示模型输出如何随着特征值的变化而变化。在SHAP dependence plot中，每个点代表一个人，而在单个特征值上的垂直分散结果来自模型中的相互作用效应。

SHAP interactions通过分析特征之间的相互作用，帮助我们理解模型预测结果的变化，进而提供更全面的解释和理解。这种分析可以帮助我们确定哪些特征在模型中起着重要的作用，并了解特征之间的相互作用如何影响模型的输出结果。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [NHANES I Survival Model](https://blog.csdn.net/hydroclimate/article/details/113049005)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* [因果推断杂记——因果推断与线性回归、SHAP值理论的关系（十九）](https://blog.csdn.net/sinat_26917383/article/details/121951882)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]