LIME 框架也可以用来做这件事。

异常值检测为异常值（例如 1）设置一个特定标签，为异常值设置另一个标签（例如 0）。从那时起，您可以训练可解释模型（例如决策树）来预测您的无监督模型设置的标签。

我对 SHAP 值知之甚少，但我想，通过这种方法，您也可以这样做。

您可以将 SHAP Kernal Explainer 用于无监督模型，但您应该将 sth 作为输出。您可能需要创建一个管道，以便您只需将管道变量传递给 shap kernal。

有一个名为outliertree的库正是这样做的。它使用决策树为异常值/异常提供人类可读的解释。

另请参阅相关论文可解释的异常值检测通过决策树条件。