Przeskocz do zawartości głównej Przejdź do treści uzupełniającej

Wizualizacja wartości SHAP w aplikacjach Qlik Sense

Wartości SHAP pomagają nam zrozumieć, co wpływa na model, a także na poszczególne wyniki. Aby dokładniej zbadać dane, twórz wizualizacje wartości SHAP w aplikacjach Qlik Sense. Poniższe przykłady dają wyobrażenie o tym, jakie wnioski można uzyskać.

Przygotowania

Zanim zaczniesz, wykonaj następujące czynności przygotowawcze:

  • Wygeneruj zestaw danych SHAP w formacie układu współrzędnych. Ten zestaw danych zawiera kolumny wartości SHAP przestawione na „cechę” i „wartość”, co umożliwia korzystanie z wielu cech na jednym wykresie.

  • W przypadku predykcji z klasyfikacją binarną wykreśl przewidywane prawdopodobieństwo w funkcji sumy wartości SHAP na wiersz i zwróć uwagę na kierunek wartości SHAP. Jeśli nachylenie jest ujemne, odwróć kierunek wartości SHAP, aby ułatwić interpretację wizualizacji.

Sprawdzenie kierunku wartości SHAP wykazujących dodatnie nachylenie

Wykres wartości SHAP pokazujący nachylenie dodatnie.

Klasyfikacja ważności cech

Klasyfikację ważności cech można utworzyć na podstawie średnich bezwzględnych wartości SHAP dla każdej z cech. Rysunek pokazuje ważność różnych cech dla prawdopodobieństwa odpływu klienta.

Klasyfikacja ważności SHAP w Qlik Sense

Klasyfikacja ważności cech z wykresem słupkowym.

Kierunek i rozkład

Wartości SHAP można również wykorzystać do poznania kierunku i rozkładu wpływu każdej cechy. Na ilustracji można sprawdzić, czy poszczególne cechy zwiększają, czy zmniejszają prawdopodobieństwo odpływu klientów.

Wykres rozkładu SHAP w Qlik Sense

Wykres rozkładu ważności cech.

Ważność cech dla kohort

Ważność cech można wyznaczyć dla odrębnych kohort. Na przykład można porównać najważniejsze cechy dla klientów mających różne rodzaje planów subskrypcji. Ilustracja przedstawia czynniki wpływające na cechy według typu planu.

Na tym wykresie używa się kontenera kratowego do reprezentowania danych dla określonych wartości pól w danych. Podobne wykresy można również tworzyć indywidualnie, korzystając z wyrażeń zestawów.

Wykres w Qlik Sense przedstawiający najważniejsze czynniki wpływające na odpływ w zależności od typu planu

Obiekt kontenera kratowego w Qlik Sense przedstawiający ustawione wartości analizy dla czterech różnych wartości pól cech (typów planu).

Ważność cech na poziomie wiersza

Ważności SHAP można użyć do poznawania ważności cech na poziomie wiersza. Możesz zbadać i porównać, które cechy wpływają na prawdopodobieństwo odpływu różnych klientów, jak pokazano to na ilustracji.

Wykresy ważności SHAP dla określonych identyfikatorów klientów

Wykresy słupkowe przedstawiające klasyfikacje ważności SHAP dla dwóch różnych klientów.

Zmienność cech

Możesz wykreślić wpływ każdej odmiany cechy. Możesz na przykład tworzyć wizualizacje pokazujące średni wpływ typu planu subskrypcji klienta dla każdego z oferowanych typów planów.

Wykres słupkowy w Qlik Sense prezentujący ważność SHAP poszczególnych wartości pól dla pojedynczej cechy

Wykres słupkowy ważności SHAP dla każdego typu planu.

Wykres rozkładu w Qlik Sense prezentujący ważność SHAP poszczególnych wartości pól dla pojedynczej cechy

Wykresy słupkowe przedstawiające klasyfikacje ważności SHAP dla dwóch różnych klientów.

Zmienne ciągłe

Wartości SHAP można używać na wykresach punktowych do analizowania trendów, gdy zmienne ciągłe zmieniają się pod względem wartości. Na tym wykresie wartości SHAP widzimy, że prawdopodobieństwo odpływu klientów generalnie wzrasta wraz ze wzrostem ich opłaty podstawowej.

Opcjonalnie możemy również użyć linii regresji i innych narzędzi, aby wyciągnąć nowe wnioski z danych.

Wykres punktowy SHAP przedstawiający trendy w wynikach odchodzenia wraz ze wzrostem opłaty podstawowej

Przykład wizualizacji danych predykcji.

Dowiedz się więcej

Czy ta strona była pomocna?

Jeżeli natkniesz się na problemy z tą stroną lub jej zawartością — literówkę, brakujący krok lub błąd techniczny — daj nam znać, co możemy poprawić!