shap
✓SHAP(SHapley Additive exPlanations)를 사용한 모델 해석 가능성 및 설명 가능성. 기계 학습 모델 예측 설명, 기능 중요도 계산, SHAP 플롯 생성(폭포, 꿀벌, 막대, 분산, 힘, 히트맵), 모델 디버깅, 모델 편향 또는 공정성 분석, 모델 비교 또는 설명 가능한 AI 구현 시 이 기술을 사용하세요. 트리 기반 모델(XGBoost, LightGBM, Random Forest), 딥 러닝(TensorFlow, PyTorch), 선형 모델 및 모든 블랙박스 모델과 함께 작동합니다.
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.
SHAP(SHapley Additive exPlanations)를 사용한 모델 해석 가능성 및 설명 가능성. 기계 학습 모델 예측 설명, 기능 중요도 계산, SHAP 플롯 생성(폭포, 꿀벌, 막대, 분산, 힘, 히트맵), 모델 디버깅, 모델 편향 또는 공정성 분석, 모델 비교 또는 설명 가능한 AI 구현 시 이 기술을 사용하세요. 트리 기반 모델(XGBoost, LightGBM, Random Forest), 딥 러닝(TensorFlow, PyTorch), 선형 모델 및 모든 블랙박스 모델과 함께 작동합니다. 출처: jackspace/claudeskillz.
인용 가능한 정보
AI/검색 인용용 안정적인 필드와 명령어.
- 설치 명령어
npx skills add https://github.com/jackspace/claudeskillz --skill shap- 카테고리
- </>개발 도구
- 인증됨
- ✓
- 최초 등록
- 2026-02-17
- 업데이트
- 2026-02-18
빠른 답변
shap이란?
SHAP(SHapley Additive exPlanations)를 사용한 모델 해석 가능성 및 설명 가능성. 기계 학습 모델 예측 설명, 기능 중요도 계산, SHAP 플롯 생성(폭포, 꿀벌, 막대, 분산, 힘, 히트맵), 모델 디버깅, 모델 편향 또는 공정성 분석, 모델 비교 또는 설명 가능한 AI 구현 시 이 기술을 사용하세요. 트리 기반 모델(XGBoost, LightGBM, Random Forest), 딥 러닝(TensorFlow, PyTorch), 선형 모델 및 모든 블랙박스 모델과 함께 작동합니다. 출처: jackspace/claudeskillz.
shap 설치 방법은?
터미널 또는 명령줄 도구(Terminal, iTerm, Windows Terminal 등)를 엽니다 이 명령어를 복사하여 실행합니다: npx skills add https://github.com/jackspace/claudeskillz --skill shap 설치 후 스킬은 자동으로 AI 코딩 환경에 설정되어 Claude Code나 Cursor에서 사용할 수 있습니다
소스 저장소는 어디인가요?
https://github.com/jackspace/claudeskillz
상세
- 카테고리
- </>개발 도구
- 출처
- skills.sh
- 최초 등록
- 2026-02-17