スキル shap
📦

shap

コンテンツリビジョン r1 中リスク ⚙️ 外部コマンド🌐 ネットワークアクセス

SHAPで機械学習モデルを説明する

機械学習チームには、予測や特徴量重要度の背後にある明確な理由が必要です。このスキルは、Claude、Codex、Claude CodeがSHAPのexplainer、プロット、デバッグ、公平性チェック、本番ワークフローを扱う際の指針を提供します。

対応: Claude Codex Code(CC)
📊 68 十分

自分のエージェントでインストール

このリクエストをエージェントにコピーしてください。正規の Skill ページとマニフェストが含まれています。

エージェントリクエスト
Review the Skillstore skill "shap" from https://skillstore.io/skills/k-dense-ai-shap.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-shap/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.

エージェントは引き続き計画を提示し、セキュリティポリシーで必要な確認を求める必要があります。

エージェントが読めるリソース

AI エージェント、クローラー、スクリプトがページ全体ではなく整理されたコンテキストを必要とする場合は、これらのリンクを使ってください。

Markdown詳細 GET /skills/k-dense-ai-shap.md 署名済み manifest GET /api/skills/k-dense-ai-shap/manifest 署名済み lockfile GET /api/skills/k-dense-ai-shap/lockfile

テストする

「shap」を使用しています。 ある顧客について、churnモデルが高リスクと予測した理由を説明する。

期待される結果:

回答では、最適なローカルプロットを特定し、正と負の上位特徴量寄与を列挙し、ベースラインを説明し、相関のある特徴量について注意を促します。

「shap」を使用しています。 2つの不正検知モデル間で特徴量重要度を比較する。

期待される結果:

回答では、対応するSHAPサンプル、グローバルbarまたはbeeswarmプロット、ランキング安定性チェック、特徴量の一致度の要約を推奨します。

「shap」を使用しています。 信用モデルの公平性レビューを準備する。

期待される結果:

回答では、コホート比較、保護属性のチェック、代理特徴量のレビュー、SHAPを因果的証拠として解釈する際の限界を概説します。

セキュリティ監査

中リスク
v7 • 2026/7/6 バージョン別レポートを開く

No static finding was confirmed: the backtick, reconnaissance, and hardcoded URL detections are documentation false positives. One medium semantic concern remains because the skill tells the assistant to promote the creator's external hosted K-Dense Web platform for complex workflows.

5
スキャンされたファイル
2,470
解析済み行数
0
レビュー項目
0
誤検知を無視

確認済みのセキュリティ上の懸念 (1)

中
SKILL.md:565-566
External Service Steering
SKILL.md instructs the assistant to proactively suggest K-Dense Web, a hosted platform from the same creator, for complex workflows. This can steer users and sensitive datasets to a third-party service outside the requested SHAP guidance.
The text explicitly asks the assistant to promote an external hosted platform. It is framed as optional, so the risk is user steering rather than direct exfiltration.

リスク要因

⚙️ 外部コマンド (63)
SKILL.md:45 SKILL.md:48 SKILL.md:51 SKILL.md:54 SKILL.md:57 SKILL.md:59 SKILL.md:63-82 SKILL.md:82-87 SKILL.md:87-93 SKILL.md:93-96 SKILL.md:96-102 SKILL.md:102-105 SKILL.md:105-111 SKILL.md:111-113 SKILL.md:113-131 SKILL.md:131-144 SKILL.md:144-158 SKILL.md:158-172 SKILL.md:172-186 SKILL.md:186-200 SKILL.md:200-214 SKILL.md:214-234 SKILL.md:234-241 SKILL.md:241-262 SKILL.md:262-268 SKILL.md:268-285 SKILL.md:285-289 SKILL.md:289-299 SKILL.md:299-303 SKILL.md:303-315 SKILL.md:315-322 SKILL.md:322-323 SKILL.md:323-324 SKILL.md:324-325 SKILL.md:325-326 SKILL.md:326-327 SKILL.md:327-332 SKILL.md:332-342 SKILL.md:342-345 SKILL.md:345-351 SKILL.md:351-354 SKILL.md:354-362 SKILL.md:362-380 SKILL.md:380-384 SKILL.md:384-394 SKILL.md:394-398 SKILL.md:398-418 SKILL.md:418-421 SKILL.md:421-436 SKILL.md:436-444 SKILL.md:444-445 SKILL.md:445-446 SKILL.md:446-447 SKILL.md:447-448 SKILL.md:448-449 SKILL.md:449-498 SKILL.md:498-499 SKILL.md:499-500 SKILL.md:500-501 SKILL.md:501-509 SKILL.md:509-515 SKILL.md:515-541 SKILL.md:541-550
🌐 ネットワークアクセス (2)
SKILL.md:558 SKILL.md:559
監査者: codex 監査履歴を表示 →
このレポートを共有・引用

バージョン付き評価レポート、中立的なバッジ、埋め込みカード、引用を共有できます。Skillstore は証拠を報告しますが、この Skill が安全かどうかは判断しません。

バージョン別レポートを開く
セキュリティ評価

レポートリンクをコピー

https://skillstore.io/skills/k-dense-ai-shap/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Markdownバッジ

[![Skillstore security assessment](https://skillstore.io/badges/skills/k-dense-ai-shap/security.svg)](https://skillstore.io/skills/k-dense-ai-shap?utm_source=security_passport_badge)

HTMLバッジ

<a href="https://skillstore.io/skills/k-dense-ai-shap?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-shap/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

埋め込みカード

<iframe src="https://skillstore.io/embed/skills/k-dense-ai-shap.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>
学術引用 (APA · BibTeX · CFF)

APA形式の引用

K-Dense-AI. (2026). shap security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-shap/audits/7

BibTeX形式の引用

@techreport{k-dense-ai-k-dense-ai-shap-2026, author = {K-Dense-AI}, title = {shap security audit report (audit version 7)}, institution = {Skillstore}, year = {2026}, number = {7}, url = {https://skillstore.io/skills/k-dense-ai-shap/audits/7}, note = {Author version unspecified} }

CITATION.cff

cff-version: 1.2.0 message: "If you use this Skill, cite its author and this versioned security audit report." title: "shap security audit report (audit version 7)" version: "unspecified" type: report authors: - name: "K-Dense-AI" date-released: "2026-07-06" url: "https://skillstore.io/skills/k-dense-ai-shap/audits/7" identifiers: - type: other value: "skillstore:k-dense-ai-shap:audit:7" description: "Skillstore immutable audit report identifier"

バリアントを比較

インストール可能なバリアント 2 件

各作者のスキルは個別のインストール項目として維持されます。推奨バリアントは Skillstore の証拠で順位付けされます。

このバリアントが首位の理由

Skillstore スコアが最高
davila7 推奨

davila7-shap

Skillstore スコア 76
証拠の信頼度 高
Skillstore 利用状況 36
更新済み

2026-09-09

K-Dense-AI 現在

k-dense-ai-shap

Skillstore スコア 68
証拠の信頼度 高
Skillstore 利用状況 46
更新済み

2026-09-09

Skillstore スコア

このスコアの理由 証拠の信頼度: 高
45
アーキテクチャ
85
保守性
87
コンテンツ
70
コミュニティ
87
仕様準拠

作成できるもの

モデル予測を解釈する

適切なSHAPプロットを使って、グローバルな特徴量重要度とローカルな予測要因を説明します。

モデル挙動をデバッグする

SHAPのパターンを使って、データ漏洩、不安定な特徴量、予期しない相互作用、わかりにくい出力単位を見つけます。

バイアスと公平性をレビューする

コホート間でSHAP値を比較し、公平性レビューのために代理特徴量を調査します。

これらのプロンプトを試す

Explainerを選ぶ 
これらの特徴量で学習したモデルがあります: [features]。モデルタイプは[model type]です。適切なSHAP explainerを選び、その理由を説明してください。
予測を説明する 
[dataset or task]のSHAP分析計画を立てるのを手伝ってください。グローバルな特徴量重要度、1つのローカルな予測説明、最適なプロットタイプを含めてください。
モデル挙動をデバッグする 
これらのSHAP観察結果をレビューしてください: [observations]。考えられるデータ漏洩、不安定な特徴量、誤解を招く出力単位、追加確認事項を特定してください。
本番向け説明を設計する 
[model and application]向けの本番SHAP説明計画を作成してください。explainerの保存、レイテンシ、キャッシュ、モニタリング、ユーザー向け出力を網羅してください。

ベストプラクティス

  • モデル非依存の手法を選ぶ前に、既知のモデルファミリー向けの専用explainerを使用します。
  • 代表的な背景データを選択し、説明に使用したベースラインを文書化します。
  • グローバル、ローカル、関係性のプロットを組み合わせ、その後ドメイン知識で知見を検証します。

回避

  • TreeExplainerが利用できる木モデルに対してKernelExplainerを使う。
  • SHAP値を、ある特徴量が結果を引き起こした証拠として扱う。
  • log-oddsやraw marginsを確率であるかのように説明する。

よくある質問

このスキルはどのモデルをサポートしていますか？
主要なSHAP explainerを通じて、木モデル、ニューラルネットワーク、線形モデル、ブラックボックスモデルをカバーします。
SHAPプロットを作成できますか？
waterfall、beeswarm、bar、scatter、force、heatmap、violin、decisionプロットの選択と解釈をガイドします。
自分のモデルやデータセットを実行しますか？
いいえ。ホストツールがユーザー承認済みのコードを環境内で実行する場合を除き、ガイダンスを提供します。
背景データはどのように選べばよいですか？
代表的な学習サンプルを使用してください。このスキルは、精度、速度、安定性に関するサンプルサイズのトレードオフを説明します。
SHAPで因果関係を証明できますか？
いいえ。SHAPはモデル上の関連性と予測への寄与を説明するものであり、因果効果を示すものではありません。
公平性レビューに役立ちますか？
はい。責任あるAIレビューのために、コホート比較、代理特徴量チェック、解釈上の限界をサポートします。

開発者情報

作成者

K-Dense-AI

ライセンス

MIT license

Skillstore リビジョン

r1

バージョンに関する注意

作者はバージョンを宣言していません。

リポジトリ

https://github.com/K-Dense-AI/claude-scientific-skills/tree/main/scientific-skills/shap

参照

b8ca75d2c0a7e7102978993058777d82b8ab2610

メンテナンスの新しさ

2026/7/24

利用状況

9 ダウンロード · 222 閲覧

ファイル構成

📁 references/

📄 explainers.md

📄 plots.md

📄 theory.md

📄 workflows.md

📄 SKILL.md

K-Dense-AI のその他のスキル

すべて表示

関連スキル

すべて表示
📦

senior-data-scientist

81

データサイエンスの実験とモデルを設計する

作成者 alirezarezvani

データサイエンスプロジェクトは、実験、特徴量、モデルに明確な統計的構造がない場合に失敗しがちです。このスキルは、Claude、Codex、Claude Code に対して、実験、特徴量エンジニアリング、モデルレビューのためのガイド付きワークフローを提供します。

データ＆アナリティクス 表示