SHAP Explainability
Interpretowalność modeli ML metodą SHAP: ważność cech i wykresy (waterfall, beeswarm, force) dla modeli drzewiastych, głębokich i black-box. Używaj do wyjaśniania predykcji, debugowania modeli i analizy stronniczości.
Instalacja z terminala
npx bazanarzedzi install shap-explainability | Autor | K-Dense-AI |
| Źródło | https://github.com/K-Dense-AI/claude-scientific-skills → skills/shap |
| Licencja | MIT |
| GitHub | ★ 31k (repozytorium, stan: lipiec 2026) |
| Działa z | Claude Code |
| Kategorie | Dane i analitykaAI i agenci |
Opis oryginalny: Model interpretability with SHAP: feature importance and plots for tree, deep learning, and black-box models; debugging, fairness, and XAI.