XGBoost 与 SHAP

XGBoost 常用于进一步提升滑坡易发性模型的表达能力。相比随机森林，它对参数更敏感，但在样本质量较高、特征工程充分时通常有较强表现。

SHAP 可用于解释模型预测，回答“哪些因子提高了某个位置的滑坡概率”以及“整体上哪些因子最重要”。

后续扩展建议

• 增加 examples/04_xgboost_shap/。
• 输出 SHAP summary plot 和 dependence plot。
• 对比 RF 与 XGBoost 的 AUC、召回率和空间分布差异。
• 增加空间交叉验证，避免相邻样本导致的过高估计。