Evalml: SHAP-Test schlägt mit dem Elastic Net Classifier Estimator fehl

Ich denke, das ist ein Shaping-Problem. Ich habe https://github.com/slundberg/shap/issues/2000 zur Diskussion gestellt. Kurzfristig denke ich, können wir Folgendes tun:

• Verwenden Sie link="identity" in KernelExplainer für lineare Modelle
• Verwenden Sie LinearExplainer mit Logit-Link, explainer = shap.LinearExplainer(classifier, X, link=shap.links.logit)

Ein weiterer fehlgeschlagener Test:

Am wichtigsten, mit alpha=0.5, l1_ratio=0.5 , das ist das, was wir vor haben diese , wenn wir diesen Test in hinzufügen 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

Der Test schlägt fehl:

Wenn wir Alpha und l1_ratio ändern, schlägt es immer noch fehl.

Ok @bchen1116 , mach es.

Abschluss mit diesem PR