NGBoost-shap方法回归任务，由斯坦福吴恩达团队提出，属于集成模型的一种2019年提出的

NGBoost-shap方法回归任务，由斯坦福吴恩达团队提出，属于集成模型的一种2019年提出的，算是比较新的方法了 自带数据集，可以直接运行，对模型采用shap进行分析，所有图所见即所得 python 代码

NGBoost这玩意儿最近在回归任务里挺火，作为吴恩达团队整出来的新活，它最骚的地方在于既能预测数值还能估计不确定性。咱们今天直接上手实操，用自带数据集快速搞个可复现的demo，顺带用SHAP把模型掰开了揉碎了看看。

先装个环境（别问，问就是pip大法好）：

pip install ngboost shap

上代码直接开整！先加载内置的糖尿病数据集：

from ngboost import NGBRegressor from sklearn.datasets import load_diabetes from sklearn.model_selection import train_test_split X, y = load_diabetes(return_X_y=True) X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) ngb = NGBRegressor(Dist=ngboost.distns.Normal, n_estimators=100) ngb.fit(X_train, y_train) # 预测时同时拿到预测值和置信区间 preds = ngb.pred_dist(X_test) print(f"均值预测示例：{preds.params['loc'][:3]}") print(f"标准差示例：{preds.params['scale'][:3]}")

这里用了正态分布作为基分布，n_estimators设到100能保证基础学习器足够多。预测结果直接返回分布参数，比普通回归只能输出个数值有意思多了。

接下来用SHAP扒开模型看细节：

import shap # 用TreeExplainer适配树模型结构 explainer = shap.TreeExplainer(ngb) shap_values = explainer.shap_values(X_test) # 特征重要性可视化 shap.summary_plot(shap_values, X_test, feature_names=load_diabetes().feature_names)

运行后会跳出两张神图：第一张是特征总体重要性，明显能看到s5（血清检测指标）和age对预测结果影响最大；第二张是特征作用方向图，每个点颜色代表特征值大小，能直观看到高年龄对应的预测值偏移方向。

想具体看单个预测案例？上force_plot：

# 选个有意思的样本观察 sample_idx = 15 shap.force_plot(explainer.expected_value, shap_values[sample_idx], X_test[sample_idx], feature_names=load_diabetes().feature_names)

这图看着就很有说服力——基线值在150左右，s5特征硬生生把预测结果拉低了20个点，bmi又给顶上去10个点。这种可视化比看表格里的系数值直观十个Level！

实测中发现NGBoost对参数挺敏感，把Dist换成LogNormal分布，预测区间立马变得右偏。SHAP分析时也会发现特征影响方向发生微妙变化，这说明模型结构的选择会直接影响可解释性结果。建议跑多个分布配置对比着看，特别是当业务场景对不确定性方向有要求时。

最后来个骚操作：把预测分布画出来看不确定性

import matplotlib.pyplot as plt plt.figure(figsize=(10,6)) plt.scatter(y_test, preds.params['loc'], alpha=0.5) plt.errorbar(y_test, preds.params['loc'], yerr=2*preds.params['scale'], fmt='o', alpha=0.3) plt.plot([y.min(), y.max()], [y.min(), y.max()], 'r--')

这个误差带可视化直接暴露了模型在极端值区域的预测乏力——当真实值超过250时，预测点明显偏离红色对角线，同时误差带急剧变宽。这种双重可视化把模型优缺点直接拍脸上，比单纯看R²得分带劲多了。

总结下来，NGBoost+SHAP的组合拳特别适合需要量化不确定性的场景（比如金融风控、医疗预测）。代码层面几乎零魔改就能出效果，但要注意分布假设对可解释性的影响。下次遇到产品经理说"我要个能解释的AI"，直接甩这个方案过去就完事了。