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 ]