shap.decision_plot

`shap.decision_plot`是SHAP库中的一个函数，用于可视化一个样本在决策树中的决策路径，并计算该路径上每个特征对于模型输出的贡献值。该函数接受以下参数：

- `model`: 训练好的决策树模型。
- `X`: 要解释的样本特征值。
- `features`: 特征名称列表。
- `link`: 连接函数，用于将模型输出转换为概率值。默认为`identity`。
- `display_value`: 是否在每个节点上显示预测值。默认为`True`。
- `alpha`: 透明度。默认为`0.5`。

例如，下面的代码演示了如何使用`shap.decision_plot`函数：

import shap
from sklearn.datasets import load_boston
from sklearn.tree import DecisionTreeRegressor

# 加载波士顿房价数据集
boston = load_boston()
X, y = boston['data'], boston['target']
feature_names = boston['feature_names']

# 训练决策树模型
model = DecisionTreeRegressor(max_depth=3)
model.fit(X, y)

# 解释一个样本
sample = X[0]
shap.decision_plot(model, sample, feature_names)

运行上述代码将得到一个决策路径图，显示了输入样本在决策树中的决策路径，以及每个特征对于模型输出的贡献值。