在 Qlik Sense 應用程式中視覺化 SHAP 值

SHAP 值可協助我們理解驅動模型以及驅動個別結果的內容。在 Qlik Sense 應用程式中建置 SHAP 值的視覺化，以進一步探索資料。下列範例將對您可以獲得的深入資訊提供想法。

準備

開始之前，請進行下列準備：

• 產生座標 SHAP 資料集。此資料集有樞紐到「特徵」和「值」的 SHAP 值欄，這可讓您在單一圖表中使用多個特徵。

• 對於二元分類預測，針對每列 SHAP 值的總和繪製預測機率並查看 SHAP 值的方向。若斜坡為負向，請反轉 SHAP 值的方向，以便更輕鬆地解譯視覺化。

特徵重要性排名

您可以為每個特徵使用 SHAP 值的平均絕對值建立特徵重要性排名。圖表顯示不同特徵對於客戶流失機率的重要性。

方向和分佈

SHAP 值也可以用來理解每個特徵影響的方向和分佈。在圖表中，您可以看見不同的特徵會讓客戶更可能或更不可能流失。

群組的特徵重要性

可以為相異的群組建立特徵重要性。例如，您可以比較對於客戶最重要的特徵與不同的方案類型。圖表依方案類型顯示特徵影響者。

此圖表使用格狀容器呈現資料中特定欄位值的資料。您也可以使用集合運算式分別建立類似圖表。

列層級的特徵重要性

SHAP importance 可用來理解列層級的特徵重要性。您可以調查並比較哪些特徵會影響不同客戶的流失機率，如圖所見。

特徵變化

您可以繪製每個特徵變化的影響。例如，您可以建立視覺化，以針對您提供的每個方案類型顯示客戶方案類型的平均影響。

連續變數

SHAP 值可用於散佈圖，以隨著連續變數在值方面的波動來分析趨勢。在此 SHAP 值的圖中，我們可以看見客戶的流失機率大致沿著基本費用的增加而增加。

或者，我們也可以使用迴歸線和其他工具來找出資料中新的深入資訊。