Python 负责本地形状值的前N个特征

我一直在尝试在我的ML中使用SHAP值来帮助理解每个特性对本地结果的贡献。我知道所有特征的形状值的总和解释了为什么预测值与基线值不同。这使我们能够将预测分解为如下图形：

explainer = shap.TreeExplainer(model)
shap_values = explainer.shap_values(X_train)
i = 400
shap.force_plot(explainer.expected_value, shap_values[i], features=X_train.loc[400], feature_names=X_train.columns)

我想知道是否有办法获得对形状值有正面和负面影响的前3个特性 以我为例

LSTAT、PTRATIO和INDUS有助于将价值向右推

RM、Tax、Rad向另一个方向推进

---

我需要这些功能作为阵列或数据帧，以便我可以对它们执行进一步的操作

为您的示例做出积极贡献的前三大功能：

i = 400
features = X_train.columns
id_sorted = np.argsort(shap_values[i])
top3_positive = features[id_sorted[:-4:-1]]

---

造成负面影响的前三大功能：

top3_negative = features[id_sorted[:3]]

---

确切的型号是什么？请发一封信。