shap
✓Interprétabilité et explicabilité du modèle à l’aide de SHAP (SHapley Additive exPlanations). Utilisez cette compétence pour expliquer les prédictions des modèles d'apprentissage automatique, calculer l'importance des fonctionnalités, générer des tracés SHAP (cascade, essaim d'abeilles, barre, dispersion, force, carte thermique), déboguer des modèles, analyser le biais ou l'équité du modèle, comparer des modèles ou mettre en œuvre une IA explicable. Fonctionne avec des modèles arborescents (XGBoost, LightGBM, Random Forest), du deep learning (TensorFlow, PyTorch), des modèles linéaires et tout modèle de boîte noire.
Installation
SKILL.md
SHAP is a unified approach to explain machine learning model outputs using Shapley values from cooperative game theory. This skill provides comprehensive guidance for:
SHAP works with all model types: tree-based models (XGBoost, LightGBM, CatBoost, Random Forest), deep learning models (TensorFlow, PyTorch, Keras), linear models, and black-box models.
See references/explainers.md for detailed information on all explainer types.
Interprétabilité et explicabilité du modèle à l’aide de SHAP (SHapley Additive exPlanations). Utilisez cette compétence pour expliquer les prédictions des modèles d'apprentissage automatique, calculer l'importance des fonctionnalités, générer des tracés SHAP (cascade, essaim d'abeilles, barre, dispersion, force, carte thermique), déboguer des modèles, analyser le biais ou l'équité du modèle, comparer des modèles ou mettre en œuvre une IA explicable. Fonctionne avec des modèles arborescents (XGBoost, LightGBM, Random Forest), du deep learning (TensorFlow, PyTorch), des modèles linéaires et tout modèle de boîte noire. Source : ovachiever/droid-tings.
Faits (prêts à citer)
Champs et commandes stables pour les citations IA/recherche.
- Commande d'installation
npx skills add https://github.com/ovachiever/droid-tings --skill shap- Source
- ovachiever/droid-tings
- Catégorie
- </>Développement
- Vérifié
- ✓
- Première apparition
- 2026-02-01
- Mis à jour
- 2026-02-18
Réponses rapides
Qu'est-ce que shap ?
Interprétabilité et explicabilité du modèle à l’aide de SHAP (SHapley Additive exPlanations). Utilisez cette compétence pour expliquer les prédictions des modèles d'apprentissage automatique, calculer l'importance des fonctionnalités, générer des tracés SHAP (cascade, essaim d'abeilles, barre, dispersion, force, carte thermique), déboguer des modèles, analyser le biais ou l'équité du modèle, comparer des modèles ou mettre en œuvre une IA explicable. Fonctionne avec des modèles arborescents (XGBoost, LightGBM, Random Forest), du deep learning (TensorFlow, PyTorch), des modèles linéaires et tout modèle de boîte noire. Source : ovachiever/droid-tings.
Comment installer shap ?
Ouvrez votre terminal ou outil de ligne de commande (Terminal, iTerm, Windows Terminal, etc.) Copiez et exécutez cette commande : npx skills add https://github.com/ovachiever/droid-tings --skill shap Une fois installé, le skill sera automatiquement configuré dans votre environnement de programmation IA et prêt à être utilisé dans Claude Code ou Cursor
Où se trouve le dépôt source ?
https://github.com/ovachiever/droid-tings
Détails
- Catégorie
- </>Développement
- Source
- skills.sh
- Première apparition
- 2026-02-01