【Python 教程】XGBoost + SHAP 一套代码讲清“模型为什么这么判”

开头

很多模型项目都停在同一个阶段：

• • 分数不错；
• • 解释很弱；
• • 业务方一句“为什么”，模型就沉默了。

这篇教程只做一件事：把 XGBoost 的预测能力和 SHAP 的可解释能力放在同一个流程里，既给你结果，也给你机制。

一、这篇教程要解决什么问题？

我们不只关心“预测准不准”，还关心：

1. 1. 哪些变量最关键？
2. 2. 这些变量是怎么影响预测概率的？
3. 3. 这种影响在个体样本上如何展开？

对应的方法结构：

• • XGBoost：负责高性能预测；
• • SHAP：负责全局解释 + 个体解释 + 方向解释。

二、完整流程

1. 1. 读取数据并构造特征
2. 2. 训练/测试划分（严格防泄漏）
3. 3. 训练 XGBoost
4. 4. 评估 AUC / PR-AUC
5. 5. SHAP 全局解释（Summary）
6. 6. SHAP 依赖图（Dependence）
7. 7. SHAP 重要性条形图（mean |SHAP|）

三、关键代码

model = XGBClassifier(    n_estimators=700,    max_depth=4,    learning_rate=0.04,    subsample=0.85,    colsample_bytree=0.85,    reg_alpha=0.2,    reg_lambda=1.0,    objective="binary:logistic",    eval_metric="auc",    random_state=42,    n_jobs=1,)model.fit(X_train, y_train, eval_set=[(X_test, y_test)], verbose=False)explainer = shap.TreeExplainer(model)shap_values = explainer.shap_values(X_test)

四、实跑结果

• • AUC：0.6873
• • PR-AUC：0.6328
• • Top 特征（mean |SHAP|）：
1. 1. asset_turnover
2. 2. leverage
3. 3. roa
4. 4. cash_ratio
5. 5. rd_ratio

说明：这是教程演示数据上的真实运行结果，目的是展示方法链路与解释逻辑。用于论文/业务时应替换为你的真实样本。

五、运行结果图

图1：模型性能（ROC）

解读：先确认模型有基本预测能力，再进入解释阶段。

图2：SHAP 全局解释（Summary Plot）

解读：一张图同时告诉你“谁最重要”和“高低取值如何推动预测变化”。

图3：SHAP 依赖图（Dependence Plot）

解读：看单变量的非线性影响与交互迹象，避免“线性想象”。

图4：特征贡献度排名

解读：给管理层或读者最友好的“贡献度排序”视图。

六、这套方法为什么有价值？

1. 1. 它把“准确率”和“可解释性”放在同一个闭环。
2. 2. 它能直接服务论文叙事：先预测，再解释机制。
3. 3. 它能直接服务业务沟通：为什么判高风险、风险来自哪里。

七、常见误区

1. 1. 只看 AUC，不看解释稳定性。
2. 2. 看到 SHAP 就当因果结论。
3. 3. 用随机切分处理时间问题，造成信息泄漏。
4. 4. 不做样本外验证，解释建立在过拟合模型上。

八、学术边界

XGBoost + SHAP 回答的是“预测与解释”问题，不是自动因果识别。如果你的问题是因果推断，需要结合 DID / DML / IV 等识别策略。

结语

真正高级的建模，不是把模型做黑，而是把黑箱打开。当你能同时交付“预测性能 + 解释证据”，模型才真正进入可发表、可汇报、可决策的阶段。