08

SHAP Explorer

De una predicción a una explicación local — sin confundir explicación con causalidad

Laboratorio 08 / 08 · 25 min

¿Qué empujó esta predicción?

Ajustá features de BTC o ETH. La simulación usa un modelo lineal aditivo y calcula contribuciones SHAP exactas respecto de un baseline para ese modelo.

Modelo lineal · SHAP exacto bajo supuestos

Contribuciones locales

Deslizá el gráfico horizontalmente para recorrerlo.

De baseline a salida: suma acumulada

Deslizá el gráfico horizontalmente para recorrerlo.

Featurexᵢμᵢwᵢφᵢ
Importante: SHAP explica cómo el modelo combina variables para esta observación. No demuestra causalidad económica ni que modificar una feature produzca el mismo cambio en el mundo real.
Qué se calcula

Features sintéticas normalizadas a [0,1]. Salida adimensional, posiblemente negativa: no es probabilidad ni retorno de mercado. Se asume un juego interventional con marginales independientes. Con features correlacionadas, SHAP condicional usa otro juego y puede repartir contribuciones de otra manera.

Experimentá y explicá

Actividad guiada

1. Con BTC y μ=0,50 verificá baseline, contribuciones y salida.

Ver orientación de respuesta

Base=0,0200; Σφ=−0,0070; f(x)=0,0130. La suma debe cerrar salvo redondeo.

2. Cambiá μ y mantené x fijo. Después elegí observación de referencia.

Ver orientación de respuesta

Cambian baseline y contribuciones, no f(x). Si x=μ todas las contribuciones son cero. La fórmula es exacta para el juego interventional independiente, no para SHAP condicional con correlación.

Referencias y supuestos

Registrá la configuración, el resultado y tu interpretación.