lightgbm二分类问题shap的base value的相关问题

我发现lightgbm建模二分类问题，然后用shap输出某个样本点，预测值的情况，base value并不是p = avg(y)，也并不等于log(p/(1-p))，但会比较接近base value，具体的话git上有很多讨论，有时间可以再认真研究一下，另外二分类问题，也可以不输出Z，输出y的，要多加一个参数link='logit'

shap.force_plot(explainer.expected_value,shap_values[600,:],X.iloc[600,:],link='logit')

2022-03-29补充：

0.36以上的版本二分类lightgbm的shap_values是一个list包含了0和1的shap_value，expected_value同理，所以force_plot是形如：

shap.force_plot(explainer.expected_value[1],shap_values[1][i,:],X.iloc[i,:])

在二分类问题中，base_value = explainer.expected_value[1] = np.log(train_prob/(1-train_prob)).mean()

其中train_prob是一个array，含训练集每条记录的prob，所以base_value不是先p = avg(y)，然后ln(p/(1-p))，而是训练得到model后，用model去预测每条记录的prob，然后做Z = lnOdds，在avg(Z)