Evalml: 弹性网络分类器估计器的 SHAP 测试失败

我认为这是一个shap问题。 我提交了https://github.com/slundberg/shap/issues/2000进行讨论。 短期内，我认为我们可以做到以下几点：

• 将KernelExplainer中的 link="identity" 用于线性模型
• 使用带有 logit 链接的LinearExplainer ， explainer = shap.LinearExplainer(classifier, X, link=shap.links.logit)

失败的进一步测试：

在 main 上，使用alpha=0.5, l1_ratio=0.5 ，这是我们在此之前拥有的，如果我们将此测试添加到evalml/tests/model_understanding_tests/prediction_explaination_tests/test_explainers.py ：

@pytest.mark.parametrize("estimator", ["Extra Trees Classifier", "Elastic Net Classifier"])
def test_elastic_net(estimator, fraud_100):
    pytest.importorskip('imblearn', reason='Skipping test because imblearn not installed')
    X, y = fraud_100
    pipeline = BinaryClassificationPipeline(component_graph=["Imputer", "One Hot Encoder", "DateTime Featurization Component", estimator])
    pipeline.fit(X=X, y=y)
    pipeline.predict(X)
    importance = explain_predictions(pipeline, X, y, indices_to_explain=[0], top_k_features=4)
    assert report['feature_names'].isnull().sum() == 0
    assert report['feature_values'].isnull().sum() == 0

测试失败：

如果我们更改 alpha 和 l1_ratio，它仍然失败。

好的@bchen1116 ，去做吧。

以此 PR结束