from sklearn import tree
import graphviz
import shap
X,y = shap.datasets.boston()
clf = tree.DecisionTreeRegressor(max_depth=2).fit(X, y)
为我们提供了以下树：
这些值让我感到困惑，我知道叶子上的值是到达叶子后的预测值。但是，节点上的值代表什么？
我发现一些SO职位/留档的分类，但不是回归。
编辑：思考如果我进一步看到，如果树被砍短，它们很可能只是那些箱子的值。但不知道为什么它们会被用在SHAP中。
X12显然，当我们使用更多节点分割数据时，我们减少了样本的数量，当然也减少了mse，因为我们正在缩小范围。由于我们越来越精确，所以值会有所不同。
关于shap，您仅使用此库导入数据集，仅此而已。您可以在不使用shap库的情况下导入数据。导入波士顿数据有多种方法，例如使用Sklearn：
from sklearn.datasets import load_boston
X, y = load_boston(return_X_y=True)
无论如何，您应该检查它是否是确切的数据集（例如，一个数据集有更多的样本）。
