Model Explainability 技能：检查树模型的单条预测贡献

Claude Code 安装步骤

从 GitHub 固定提交获取完整的 `plugins/ai-ml/model-explainability-tool/skills/explaining-machine-learning-models` 目录。
复制到目标项目的 `.claude/skills/`，确认 `.claude/skills/explaining-machine-learning-models/SKILL.md`，再从项目根目录启动 Claude Code，输入 `/explaining-machine-learning-models`。

让 Claude Code 为合成预测任务整理特征贡献，说明贡献的方向、模型输出尺度以及解释适用范围。

对合成订单中的一条样本解释预测包装时间，特征为 item_count 和 parcel_size。用合适的 TreeExplainer 生成贡献表，核对基值与两项贡献之和。

报告包含预测值、两个特征贡献及所用尺度，并能从同一模型与样本重做。

GitHub 原文 · 更新日期 2026-11-13

准备 Python、已在合成样本上训练的树模型和与版本匹配的 SHAP。示例预测仓库包装耗时。

特征贡献描述模型如何分解预测。因果变化需要独立证据。