python - SHAP：dependence_plot 不适用于与函数内部相关的错误

Question

我有这个代码：

import pandas as pd
import shap
import xgboost 

df = pd.read_clipboard(sep=",")
labels=df.pop('target')

model = xgboost.XGBClassifier().fit(df, labels)

# compute SHAP values
explainer = shap.TreeExplainer(model)
shap_values = explainer.shap_values(df)

df=df.apply(pd.to_numeric)
shap.dependence_plot(1, shap_values, df)

我的数据是：

Cat1,Cat2,Age,Cat3,Cat4,target
0,0,18,1,0,1
0,0,17,1,0,1
0,0,15,1,1,1
0,0,15,1,0,1
0,0,16,1,0,1
0,1,16,1,1,1
0,1,16,1,1,1
0,0,17,1,0,1
0,1,15,1,1,1
0,1,15,1,0,1
0,0,15,1,0,1
0,0,15,1,0,1
0,1,15,1,1,1
0,1,15,1,0,1
0,1,15,1,0,1
0,0,16,1,0,1
0,0,16,1,0,1
0,0,16,1,0,1
0,1,17,1,0,0
0,1,16,1,1,1
0,1,15,1,0,1
0,1,15,1,0,1
0,1,16,1,1,1
0,1,16,1,1,1
0,0,15,0,0,1
0,0,16,1,0,1
0,1,15,1,0,1

当我运行此代码时，我收到此错误：

Passing parameters norm and vmin/vmax simultaneously is not supported. Please pass vmin/vmax directly to the norm when creating it.

错误在这个函数的深处，我不确定我的数据如何改变它。

我该如何解决这个问题？

Answer 1

尝试将matplotlib降级到3.2.2或明确设置 interaction_index 对我有用。