SHAP 值的原理
哪些公司问过
朴朴科技1
答案要点
- 基于 Shapley 值:特征在所有子集上的边际贡献加权平均
- 局部准确性:各特征 SHAP 值之和 = 预测值 − 基线(通常为预测期望)
- 还满足缺失性和一致性;SHAP 值正负表示推高或拉低预测
- 精确计算指数复杂度:KernelSHAP 模型无关近似,TreeSHAP 对树模型多项式时间精确计算
- 可做单样本解释,也可汇总成全局特征重要性和依赖图
易错点
- 把 SHAP 值解释为因果效应
- 忘记 SHAP 之和对应的是预测值减基线,而非预测值本身
- 忽略特征相关性对 SHAP 结果的影响
面试官常见追问
- SHAP 和树模型自带的特征重要性有什么不同?
- SHAP 有什么局限?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。