nuget
api documents
线性（以及广义线性）模型的解析 SHAP 解释器。
对于线性模型 f(x) = b0 + sum(bi * xi)，在背景分布之上关于特征 i 的 精确 Shapley 值为：phi_i = bi * (xi - E[xi])， 而基线值为 b0 + sum(bi * E[xi])。
因此 sum(phi) + baseline = f(x) 恒成立，不需要任何近似采样。
对于逻辑回归，上述公式作用在 log-odds（线性预测子）空间上， 通过 LinearShapExplainer.Link 可以把它变换回概率空间。
01 Syntax
02 Methods
| Name | Overloads | Summary |
|---|---|---|
| Explain | 1 | 计算样本的逐特征解析 SHAP 贡献值：phi_i = bi * (xi - E[xi])。 |
| AdditiveValue | 1 | 加性空间之中的模型取值：Baseline + sum(Explain(x))。 |
| Output | 1 | 模型的原始输出，当 LinearShapExplainer.Link 为空时等价于 LinearShapExplainer.AdditiveValue())。 |
| Sigmoid | 1 | 标准的逻辑函数（sigmoid）。 |
03 Properties
| Name | Overloads | Summary |
|---|---|---|
| Coefficients | 1 | 线性模型的回归系数（不包含截距）。 |
| FeatureMeans | 1 | 特征在背景数据集上的均值 E[x]。 |
| Intercept | 1 | 线性模型的截距 b0。 |
| Link | 1 | 可选的连接函数，用于把加性空间的值变换为模型的原始输出 （例如逻辑回归的 sigmoid）。Nothing 表示恒等连接。 |
| FeatureNames | 1 | |
| Baseline | 1 | |
| Size | 1 |
04 Members
Double())计算样本的逐特征解析 SHAP 贡献值：phi_i = bi * (xi - E[xi])。
| Name | Type | Description |
|---|---|---|
x | Double() | - |
Double())加性空间之中的模型取值：Baseline + sum(Explain(x))。
| Name | Type | Description |
|---|---|---|
x | Double() | - |
Double())模型的原始输出，当 LinearShapExplainer.Link 为空时等价于 LinearShapExplainer.AdditiveValue()。
| Name | Type | Description |
|---|---|---|
x | Double() | - |
Double)标准的逻辑函数（sigmoid）。
| Name | Type | Description |
|---|---|---|
z | Double | - |
线性模型的回归系数（不包含截距）。
特征在背景数据集上的均值 E[x]。
线性模型的截距 b0。
可选的连接函数，用于把加性空间的值变换为模型的原始输出 （例如逻辑回归的 sigmoid）。Nothing 表示恒等连接。