使機器學習模型變的可解釋！！

核心原理 SHAP 的理論基礎來源於合作博弈論中的Shapley 值。 在一個合作博弈中，有若干個參與者（玩家），他們通過合作獲得一個整體收益。Shapley 值用於衡量每個玩家對整體收益的平均邊際貢獻。 在機器學習中： 玩家對應於特徵； 整體收益對應於模型預測結果； 因此，Shapley 值可以度量每個特徵在所有可能的特徵