Visualisieren von SHAP-Werten in Qlik Sense-Apps
Anhand von SHAP-Werten können wir besser verstehen, was sich auf ein Modell und individuelle Ergebnisse auswirkt. Erstellen Sie Visualisierungen von SHAP-Werten in Qlik Sense-Apps, um Ihre Daten weiter zu untersuchen. Die folgenden Beispiele geben Ihnen eine Vorstellung von den Einblicken, die Sie erzielen können.
Vorbereitungen
Treffen Sie die folgenden Vorbereitungen, bevor Sie beginnen:
-
Erstellen Sie einen Koordinaten-SHAP-Datensatz. Dieser Datensatz enthält die SHAP-Wertspalten, die in ein „Feature“ und einen „Wert“ pivotiert wurden. Dadurch können Sie mehrere Features in einem einzigen Diagramm verwenden.
-
Tragen Sie für Binärklassifikations-Vorhersagen die vorhergesagte Wahrscheinlichkeit gegen die Summe der SHAP-Werte pro Zeile auf und betrachten Sie die Richtung der SHAP-Werte. Wenn die Steigung negativ ist, kehren Sie die Richtung der SHAP-Werte um, um die Interpretation der Visualisierungen leichter zu machen.
Richtungsprüfung für SHAP-Werte, die eine positive Steigung aufweisen
Rangfolge der Featurerelevanz
Sie können eine Rangfolge der Featurerelevanz erstellen, indem Sie die durchschnittlichen absoluten Werte der SHAP-Werte für jedes Feature verwenden. Die Abbildung zeigt die Relevanz der einzelnen Features für die Wahrscheinlichkeit, dass ein Kunde abwandert.
SHAP Importance-Rangfolge in Qlik Sense
Richtung und Verteilung
Die SHAP-Werte können auch verwendet werden, um die Richtung und Verteilung des Einflusses der einzelnen Features zu verstehen. In der Abbildung können Sie sehen, ob die einzelnen Features die Abwanderung eines Kunden mehr oder weniger wahrscheinlich machen.
SHAP-Verteilungsplot in Qlik Sense
Featurerelevanz für Kohorten
Die Featurerelevanz kann für verschiedene Kohorten erstellt werden. Sie können beispielsweise die relevantesten Features für Kunden mit verschiedenen Plantypen vergleichen. Die Abbildung zeigt die Featureeinflüsse nach Plantyp.
Dieses Diagramm verwendet einen Gittercontainer, um die Daten für spezifische Feldwerte in den Daten darzustellen. Sie können auch ähnliche Diagramme einzeln anhand von Aggregierungen mit Auswahlformeln erstellen.
Das Diagramm in Qlik Sense zeigt die wichtigsten Einflüsse auf die Abwanderung nach Plantyp
Featurerelevanz auf Zeilenebene
SHAP Importance kann eingesetzt werden, um die Featurerelevanz auf Zeilenebene zu verstehen. Sie können prüfen und vergleichen, welche Features die Wahrscheinlichkeit der Abwanderung verschiedener Kunden beeinflussen, wie in der Abbildung gezeigt.
SHAP Importance-Diagramme für spezifische Kunden-IDs
Featurevariation
Sie können den Einfluss jeder Variation auf ein Feature plotten. Sie können beispielsweise Visualisierungen erstellen, um den durchschnittlichen Einfluss des Kundenplantyps für jeden von Ihnen angebotenen Plantyp zu zeigen.
Das Balkendiagramm in Qlik Sense zeigt die SHAP Importance spezifischer Feldwerte für ein einzelnes Feature
Der Verteilungsplot in Qlik Sense zeigt die SHAP Importance spezifischer Feldwerte für ein einzelnes Feature
Fortlaufende Variablen
SHAP-Werte können in Punktdiagrammen verwendet werden, um Trends zu analysieren, während der Wert fortlaufender Variablen fluktuieren. In diesem Plot für SHAP-Werte können wir sehen, dass die Wahrscheinlichkeit der Abwanderung von Kunden in der Regel zusammen mit Erhöhungen ihrer Grundgebühr ansteigt.
Optional können wir auch Regressionslinien und andere Tools nutzen, um neue Einblicke in den Daten offenzulegen.
Das SHAP-Punktdiagramm zeigt Trends bei der Abwanderung, während sich die Grundgebühr erhöht
