實現SHAP可解釋性工作流的編碼指南：解釋器比較、掩碼器、交互作用、漂移檢測與黑盒模型

本教程提供了實現SHAP可解釋性工作流的實踐指導，涵蓋從訓練基於樹的模型到比較不同SHAP解釋器（Tree、Exact、Permutation、Kernel）的全流程。詳細探討了掩碼器對關聯特徵解釋的影響、交互值的作用、鏈接函數的選擇，以及Owen值、隊列比較、特徵選擇、漂移檢測和自定義黑盒模型解釋等高級主題。所有實驗可在Google Colab中直接運行。