用途 该技能用于让 Claude 分析和解释机器学习模型，帮助用户回答“模型为什么做出这个预测”“哪些特征影响最大”“模型整体行为如何”等问题，并可用于向非技术相关方沟通模型洞察、检查预测的公平性与透明度。
主要能力
- 分析用户请求与可用的模型数据。
- 根据模型类型和用户需求，选择较合适的解释技术（资料举例为 SHAP、LIME）。
- 使用所选技术为模型预测生成解释。
- 以清晰简洁的格式呈现结果，突出关键洞察和特征重要性。
使用方式 资料描述的工作流程为：先分析上下文（用户请求与模型数据），再选择解释技术，然后生成解释，最后呈现结果。资料中未提供具体的安装命令、调用接口或代码示例。
适用场景
- 理解某个机器学习模型为何做出特定预测。
- 识别影响模型输出的最重要特征。
- 通过发现意外的特征交互来调试模型性能问题。
- 向非技术相关方沟通模型洞察。
- 确保模型预测的公平性与透明度。 资料给出的示例包括：解释某笔贷款申请为何被拒（计算 SHAP 值，突出信用评分、债务收入比等影响最强的特征）；解释客户流失模型并用 LIME 生成个体预测的局部解释，再汇总识别流失的主要驱动因素（如客户在网时长、服务使用情况）。
限制与注意事项 资料建议：根据模型类型选择合适的解释技术（如树模型、神经网络）；确保用于解释的数据经过正确预处理并与模型输入格式对齐；使用可视化有效传达洞察。资料未提供具体支持的模型类型清单、性能指标或计算开销说明。