SHAP 모델 해석 도우미

무엇을 해주나

• 모델 종류(트리·선형·신경망·텍스트/이미지)에 맞는 SHAP explainer와 마스커를 표 기반 의사결정 가이드로 골라줍니다.
• 최신 shap.Explanation API를 사용해 기여도를 계산하고, base_values + values.sum()이 실제 모델 출력과 일치하는지 가산성 검증을 강제합니다.
• 다중 출력(다중 클래스) 모델에서 출력 축을 올바르게 슬라이싱하는 방법, 확률·로그손실 출력 설정, beeswarm/waterfall/scatter/heatmap 등 목적별 플롯 선택을 안내합니다.
• 결과 보고 시 기준선 집단, 마스커, 근사 오차, 비인과성 한계까지 함께 기록하도록 체크리스트를 제공합니다.
• 결정론적 예제 스크립트(scripts/tabular_report.py)와 8개의 참조 문서(explainers, maskers, plots, workflows, modalities, migration, theory, troubleshooting)를 함께 제공합니다.

이런 분께 추천

• 사내 심사·규제 대응을 위해 모델 설명 리포트를 만들어야 하는 데이터 사이언티스트/ML 엔지니어
• SHAP 버전 업그레이드 후 values[class_index] 같은 옛 패턴 때문에 코드가 깨진 분
• 가산성 오류, shape 불일치, 파이프라인/범주형 처리 문제로 디버깅에 시간을 쏟는 분

활용 예시

1. "유방암 데이터로 학습한 RandomForest의 양성 클래스 확률 기여도를 배경 표본 100개로 계산하고 가산성 검증까지 해줘" → TreeExplainer 설정 + np.testing.assert_allclose 검증 코드 생성
2. "다중 클래스 분류기 SHAP 값을 클래스별로 비교하고 싶다" → explanation[..., "class_name"] 슬라이싱과 클래스 간 부호 평균 금지 규칙 안내
3. "트리 모델 확률 공간 설명이 왜 안 되지?" → feature_perturbation="interventional" + 배경 데이터 필요 조건과 트러블슈팅 순서 제시

이 파일의 지시를 읽고 그대로 따라서 나를 도와줘:
https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/HEAD/skills/shap/SKILL.md

내가 원하는 것: (여기에 하고 싶은 일을 쓰세요)

클로드스킬마트에서 찾은 스킬을 설치해줘.
GitHub 저장소 K-Dense-AI/scientific-agent-skills 의 skills/shap 폴더를 내 ~/.claude/skills/shap/ 에 그대로 복사해줘.
설치가 끝나면 이 스킬로 무엇을 할 수 있는지 한 줄로 알려줘.