Python | 贝叶斯搜索参数优化的LGBM+SHAP可解释性分析回归预测及可视化算法

立个flag，这是未来一段时间打算做的Python教程，敬请关注。

1 数据及应用领域

2 算法理论基础

3 SHAP 理论基础

上述三条目录的基本原理已在前置推文中做过详细介绍，需要学习了解的请转到如下链接：

https://mp.weixin.qq.com/s/S_ZeZRlWjXXaILUQWfKAXQ

✔ 程序能画非常直观的可视化

本程序SHAP带的图包括：

这些图都是发论文神器。

论文价值：可解释性直接提升一档

SCI 论文里 reviewer 最爱问：

• “模型的物理解释是什么？”

• “为什么这个特征如此重要？”

• “模型是不是只是黑盒？”

你用 SHAP，一张 beeswarm plot 就能回答所有问题。

无论你是：XGBoost、CatBoost、LightGBM、Random Forest、Gradient Boosting、NGBoost、决策树，SHAP 都能解释。

4 其他图示

🎲 一、特征值相关性热图

特征值相关性热图用于展示各特征之间的相关强弱，通过颜色深浅体现正负相关关系，帮助快速识别冗余特征、强相关特征及可能影响模型稳定性的变量，为后续特征选择和建模提供参考。

🎲 二、散点密度图

散点密度图通过颜色或亮度反映点的聚集程度，用于展示大量样本的分布特征。相比普通散点图，它能更直观地呈现高密度区域、异常点及整体趋势，常用于回归分析与模型评估。以下为训练集和测试集出图效果。

🎲 三、贝叶斯搜索参数优化算法及示意图

🌟 1. 先构建一个“参数-效果”的概率模型

贝叶斯优化会根据每一次调参的表现，持续更新一份“这个参数组合大概率能获得更好效果”的认知。
这份认知由一个代理模型承担，通常是高斯过程或树结构模型。它不像网格搜索那样盲目，而是先学、再试。

🌟 2. 通过“探索”与“利用”平衡选点

贝叶斯优化每次选新的参数时都会权衡：

• 探索：去试试没探索过的区域，可能藏着宝贝

• 利用：去当前最可能效果最好的区域，稳扎稳打

这种带策略的试验方式，让调参过程既高效又不容易错过最优解。

🌟 3. 不断用真实结果修正判断

每试一个参数组合，代理模型就会重新更新“信念”，并重新预测哪些区域值得继续尝试。
调参越往后，模型越“聪明”，搜索路径越精确。这就像一个不断学习经验的调参工程师，越调越准。

🌟 4. 收敛快，适用于高成本模型

因为每一次试验都很有价值，贝叶斯优化通常只需几十次实验就能找到非常优秀的超参数组合。
这对训练成本高的模型（XGBoost、LightGBM、CatBoost、深度学习）尤其友好。

🌟 5. 程序能画非常直观的可视化

这幅图展示了超参数之间的相互作用及其对模型性能的影响，包括单参数敏感性曲线与双参数组合的响应面，可用于分析最优参数区域与模型对不同超参数的敏感程度。

该图展示贝叶斯优化过程中各超参数的重要性，对模型误差影响最大的为 n_estimators 和 learning_rate，其次为 max_depth，而 subsample 与 reg_lambda 贡献较小，用于判断调参优先级。

5 代码包含具体内容一览

我的代码程序中将参数最优值输出到当前目录的parameter.txt文本中，

并将训练集和测试集的精度评估指标保存到 metrics. Mat 矩阵中。共两行，第一行代表训练集的，第二行代表测试集的；共 7 个精度评估指标，分别代表 R, R2, ME, MAE, MAPE, RMSE 以及样本数量。

保存的regression_result.mat数据中分别保存了名字为Y_train、y_pred_train、y_test、y_pred_test的矩阵向量。

同样的针对大家各自的数据训练出的模型结构也保存在model.json中，方便再一次调用。

调用的程序我在程序中注释了，如下

# 加载模型
# model.load_model("model.json") 

主程序如下，其中从1-10，每一步都有详细的注释，要获取完整程序，请转下文代码获取

# =========================================================
# 主程序
# =========================================================
def main():
    print("=== 1. 读取数据 ===")
    data = pd.read_excel("data.xlsx")
    X = data.iloc[:, :10].values
    y = data.iloc[:, 10].values
    feature_names = list(data.columns[:10])

    print("=== 2. 划分训练与测试 ===")
    X_train, X_test, y_train, y_test = train_test_split(
        X, y, test_size=0.2, random_state=42
    )

    print("=== 3. 归一化 ===")
    scaler_X = MinMaxScaler()
    scaler_y = MinMaxScaler()

    X_train_norm = scaler_X.fit_transform(X_train)
    X_test_norm = scaler_X.transform(X_test)
    y_train_norm = scaler_y.fit_transform(y_train.reshape(-1, 1)).ravel()

    print("=== 4. 模型训练 ===")
    model = train_model(X_train_norm, y_train_norm)

    print("=== 5. 预测（反归一化到原始尺度） ===")
    y_pred_train_norm = model.predict(X_train_norm)
    y_pred_test_norm = model.predict(X_test_norm)

    y_pred_train = scaler_y.inverse_transform(
        y_pred_train_norm.reshape(-1, 1)
    ).ravel()
    y_pred_test = scaler_y.inverse_transform(
        y_pred_test_norm.reshape(-1, 1)
    ).ravel()

    print("=== 6. 模型评估 ===")
    metrics_train = evaluate_model(y_train, y_pred_train)
    metrics_test = evaluate_model(y_test, y_pred_test)

    print("\n训练集评估指标:")
    for k, v in metrics_train.items():
        print(f"  {k}: {v:.4f}" if isinstance(v, float) else f"  {k}: {v}")

    print("\n测试集评估指标:")
    for k, v in metrics_test.items():
        print(f"  {k}: {v:.4f}" if isinstance(v, float) else f"  {k}: {v}")

    print("=== 7. 保存结果到 MAT 文件 ===")
    result_dict = {
        "y_train": y_train.astype(float),
        "y_pred_train": y_pred_train.astype(float),
        "y_test": y_test.astype(float),
        "y_pred_test": y_pred_test.astype(float),
    }
    savemat("regression_result.mat", result_dict)
    print("已保存 regression_result.mat")

    # 按指标顺序排列
    metrics_matrix = np.array([
        [metrics_train['R'],     metrics_test['R']],
        [metrics_train['R2'],    metrics_test['R2']],
        [metrics_train['ME'],    metrics_test['ME']],
        [metrics_train['MAE'],   metrics_test['MAE']],
        [metrics_train['MAPE'],  metrics_test['MAPE']],
        [metrics_train['RMSE'],  metrics_test['RMSE']],
        [metrics_train['样本数'], metrics_test['样本数']]
    ], dtype=float)
    savemat("metrics.mat", {"metrics": metrics_matrix})
    print("已保存 metrics.mat（矩阵大小 7×2）")

    print("=== 8. SHAP 分析 ===")
    X_combined = np.vstack([X_train_norm, X_test_norm])
    X_df = pd.DataFrame(X_combined, columns=feature_names)
    # shap_results = shap_analysis(model, X_combined, feature_names)
    plot_shap_dependence(model, X_combined, feature_names, X_df)

    print("=== 9. 密度散点图 ===")
    plot_density_scatter(
        y_test, y_pred_test, save_path="scatter_density_test.png"
    )
    plot_density_scatter(
        y_train, y_pred_train, save_path="scatter_density_train.png"
    )

    print("=== 10. 相关性热图 ===")
    correlation_heatmap(data, feature_names)

    print("=== 完成！===")

if __name__ == "__main__":
    main()

6 代码获取

Python | 贝叶斯搜索参数优化的XGBoost+SHAP可解释性分析回归预测及可视化算法

新手小白/python 初学者请先根据如下链接教程配置环境，只需要根据我的教程即可，不需要安装 Python 及 pycharm 等软件。如有其他问题可加微信沟通。

Anaconda 安装教程（保姆级超详解）【附安装包+环境玩转指南】

https://mp.weixin.qq.com/s/uRI31yf-NjZTPY5rTXz4eA