SHAP (Shapley Additive exPlanations) — популярный метод объяснения результатов моделей машинного обучения. Он был представлен в 2017 году Лундбергом и Ли и с тех пор стал широко используемым инструментом для понимания прогнозов, сделанных сложными моделями. Значения SHAP, генерируемые методом SHAP, дают представление о том, как каждая функция в модели влияет на ее прогнозы.