# 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。 顯示正斜坡的 SHAP 值方向檢查 顯示正斜坡的 SHAP 值方向檢查 顯示正斜坡的 SHAP 值方向檢查 ![用來顯示正斜坡的 SHAP 值圖表。](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/AutomatedMachineLearning/automl_shap-direction-plot.png) ## 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。 Qlik Sense 中的 SHAP importance 排名 Qlik Sense 中的 SHAP importance 排名 Qlik SenseQlik Sense 中的 SHAP importance 排名 ![特徵重要性排名與長條圖。](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/AutomatedMachineLearning/automl_shap-importance-rank.png) ## 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。 Qlik Sense 中的 SHAP 分佈圖 Qlik Sense 中的 SHAP 分佈圖 Qlik SenseQlik Sense 中的 SHAP 分佈圖 ![特徵重要性分佈圖表。](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/AutomatedMachineLearning/automl_shap-distribution-chart.png) ## 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。 Qlik Sense 中的圖表依方案類型顯示最有意義的流失影響者 Qlik Sense 中的圖表依方案類型顯示最有意義的流失影響者 Qlik SenseQlik Sense 中的圖表依方案類型顯示最有意義的流失影響者 ![Qlik Sense 中的格狀物件顯示四個不同特徵欄位值 (方案類型) 的集合分析值。](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/AutomatedMachineLearning/automl_shap-trellis-chart-cohorts.png) ## 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。 特定客戶 ID 的 SHAP importance 圖表 特定客戶 ID 的 SHAP importance 圖表 特定客戶 ID 的 SHAP importance 圖表 ![長條圖顯示兩個不同客戶的 SHAP importance 排名。](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/AutomatedMachineLearning/automl_shap-analysis-customer-specific.png) ## 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。 Qlik Sense 中的長條圖顯示單一特徵的特定欄位值的 SHAP importance Qlik Sense 中的長條圖顯示單一特徵的特定欄位值的 SHAP importance Qlik SenseQlik Sense 中的長條圖顯示單一特徵的特定欄位值的 SHAP importance ![每個方案類型的 SHAP Importance 長條圖。](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/AutomatedMachineLearning/automl_shap-chart-plan-type-bar.png) Qlik Sense 中的分佈圖顯示單一特徵的特定欄位值的 SHAP importance Qlik Sense 中的分佈圖顯示單一特徵的特定欄位值的 SHAP importance Qlik SenseQlik Sense 中的分佈圖顯示單一特徵的特定欄位值的 SHAP importance ![長條圖顯示兩個不同客戶的 SHAP importance 排名。](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/AutomatedMachineLearning/automl_shap-chart-plan-type-distribution.png) ## 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。 SHAP 散佈圖顯示流失結果隨著基本費用增加的趨勢 SHAP 散佈圖顯示流失結果隨著基本費用增加的趨勢 SHAP 散佈圖顯示流失結果隨著基本費用增加的趨勢 ![預測資料視覺化範例。](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/AutomatedMachineLearning/automl_shap-scatter-plot-base-fee.png)