实现SHAP可解释性工作流的编码指南：解释器比较、掩码器、交互作用、漂移检测与黑盒模型

本教程提供了实现SHAP可解释性工作流的实践指导，涵盖从训练基于树的模型到比较不同SHAP解释器（Tree、Exact、Permutation、Kernel）的全流程。详细探讨了掩码器对关联特征解释的影响、交互值的作用、链接函数的选择，以及Owen值、队列比较、特征选择、漂移检测和自定义黑盒模型解释等高级主题。所有实验可在Google Colab中直接运行。