我知道生成 Shapley 解释的能力已集成到 SAS Viya 中；有没有人成功地在 JMP 中生成这些值？ 我有一个客户在 Pro 和 Python 中的 NN 之间跳来跳去以构建模型，然后生成 SHAP 值，但希望在 JMP 中或通过插件本地执行此解释。 有没有人试过这个？ 是否可以？
在线性回归模型的情况下（只有主效应，没有相互作用或曲率），我认为形状值将与模型中因子的斜率估计成正比。匀称值是“每个因素对输出均值的贡献有多大”的度量）。
当您有一个更灵活的模型（具有交互作用和/或曲率，或者像神经网络这样更灵活的模型）时，您需要做的是确定该因子的平均边际效应（考虑所有其他因素）。在探查器下，您可以使用变量重要性图创建此估计平均边际效应的图表，但它不会报告用于制作该图的实际值表。
我想您可以使用 Profiler 的模拟输出手动创建它，也可以对每个因素进行一些总结。
如果他们可以描述他们用于确定 Shapely 值的方法，则可能会编写脚本。
