Claude Skill MartKhám phá skillCâu dùng ngayHọc qua videoDùng terminalSkill là gì?
 
← Về danh sách

Trợ lý giải thích mô hình bằng SHAP

Skill hướng dẫn Claude chọn explainer/masker, tính, kiểm chứng và trực quan hóa giá trị SHAP theo chuẩn SHAP 0.52.

Dữ liệu · Phân tíchNâng cao★ 33,030⑂ 3,248Điểm AI 9/10Cập nhật lần cuối: 9 thg 8, 2026

Làm được gì

  • Bảng quyết định giúp chọn explainer và masker phù hợp: cây quyết định, mô hình tuyến tính, mạng nơ-ron, văn bản và ảnh.
  • Dùng API shap.Explanation hiện đại, bắt buộc kiểm tra tính cộng tính: base_values + values.sum() phải khớp đầu ra thật của mô hình.
  • Hướng dẫn xử lý mô hình nhiều đầu ra (đa lớp), cấu hình đầu ra dạng xác suất/log-loss, và chọn biểu đồ theo câu hỏi (bar, beeswarm, waterfall, scatter, heatmap, text, image).
  • Checklist báo cáo: đơn vị đầu ra, tập tham chiếu, masker, sai số xấp xỉ và tuyên bố rõ ràng rằng SHAP không phải nhân quả hay bằng chứng công bằng.
  • Kèm script mẫu tất định scripts/tabular_report.py và 8 tài liệu tham chiếu (explainers, maskers, plots, workflows, modalities, migration, theory, troubleshooting).

Phù hợp với ai

  • Data scientist / ML engineer cần lập báo cáo giải thích mô hình cho kiểm toán nội bộ hoặc tuân thủ.
  • Người vừa nâng cấp SHAP và bị lỗi do mẫu code cũ values[class_index].
  • Người mất nhiều thời gian debug lỗi additivity, sai shape, pipeline hoặc biến phân loại.

Ví dụ sử dụng

  1. "Tính SHAP cho xác suất lớp dương của RandomForest với 100 dòng background và kiểm tra additivity" → sinh code TreeExplainer kèm np.testing.assert_allclose.
  2. "So sánh đóng góp đặc trưng giữa các lớp trong mô hình đa lớp" → hướng dẫn explanation[..., "class_name"] và quy tắc không lấy trung bình giá trị có dấu giữa các lớp.
  3. "Vì sao không giải thích được ở không gian xác suất?" → chỉ ra yêu cầu feature_perturbation="interventional" cùng dữ liệu background và trình tự troubleshooting.

· · · Hướng dẫn cài đặt · · ·

Dùng thử ngay, không cần cài

Dán đoạn dưới vào Claude là dùng được skill này mà không cần cài đặt.

Hãy đọc hướng dẫn trong tệp này và làm theo để giúp mình:
https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/HEAD/skills/shap/SKILL.md

Mình muốn: (viết việc bạn cần ở đây)

Nếu Claude không mở được liên kết, hãy mở liên kết và copy nội dung vào rồi dán.

↓ Thấy hữu ích thì tải ZIP bên dưới và cài. Sau đó skill tự chạy, không phải dán lại mỗi lần.

Cài vào ứng dụng Claude (không cần terminal)
  1. Tải tệp ZIP bằng nút bên dưới.
  2. Trong Claude, mở Settings → Capabilities và bật 'Code execution and file creation'. (chỉ một lần)
  3. Vào Customize → Skills → + → 'Upload a skill' rồi tải tệp ZIP lên.
↓ Tải ZIP
Cài vào Claude Code

Để Claude làm — dán câu dưới đây vào Claude Code

Hãy cài skill mình tìm thấy trên Claude Skill Mart.
Copy thư mục skills/shap từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/shap/ của mình.
Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.

Cài bằng lệnh thủ công

git clone https://github.com/K-Dense-AI/scientific-agent-skills.git && mkdir -p ~/.claude/skills && cp -r scientific-agent-skills/skills/shap ~/.claude/skills/

⚠ Đây là skill do người khác tạo. Hãy kiểm tra repo gốc trước khi cài.

  1. Mở terminal.
  2. Tải repo: git clone https://github.com/K-Dense-AI/scientific-agent-skills.git
  3. Tạo thư mục skill: mkdir -p ~/.claude/skills
  4. Sao chép skill: cp -r scientific-agent-skills/skills/shap ~/.claude/skills/
  5. Chuẩn bị môi trường Python (cần uv): uv venv --python 3.12 && source .venv/bin/activate && uv pip install "shap[plots]==0.52.0"
  6. Khởi động lại Claude Code và yêu cầu ví dụ: "Dùng SHAP giải thích dự đoán của mô hình này".
  7. Kiểm tra: uv run --no-project --python 3.12 --with "shap[plots]==0.52.0" ~/.claude/skills/shap/scripts/tabular_report.py --output-dir /tmp/shap-report
Xem mã nguồn trên GitHub ↗Giấy phép: MIT