Update app.py

app.py

@@ -49,18 +49,34 @@ explainer = shap.KernelExplainer(_predict_proba_nd, bg_array)
 def _render_force_plot(base_val: float, shap_1d: np.ndarray, feat_1d: np.ndarray, fnames):
     """返回 matplotlib Figure（旧接口，服务器端稳定）"""
     plt.close('all')
+
+    # ——将特征值按需四舍五入，减少标签长度（可根据需要微调每列小数位）
+    feat = np.asarray(feat_1d, dtype=float).copy()
+    # 这里给出一套通用规则：ALB/TP/CREA/PNI 一位小数；TBA 两位；AST_ALT 与 AAPR 两位
+    round_map = {
+        "ALB": 2, "TP": 2, "TBA": 2, "AST_ALT": 2, "CREA": 1, "PNI": 1, "AAPR": 3
+    }
+    feat_rounded = [
+        np.round(val, round_map.get(name, 2)) for val, name in zip(feat, fnames)
+    ]
+
+    # 如需进一步减字，可把特征名缩写或去掉空格，这里保持原名
     shap.force_plot(
         base_val,
         np.asarray(shap_1d).reshape(-1),
-        np.asarray(feat_1d).reshape(-1),
+        np.asarray(feat_rounded).reshape(-1),
         feature_names=list(fnames),
-        matplotlib=True, show=False
+        matplotlib=True,
+        show=False
     )
+
     fig = plt.gcf()
-    fig.set_size_inches(12, 4)
-    plt.tight_layout()
+    fig.set_size_inches(14, 3.6)   # 加宽、适当降低高度
+    fig.set_dpi(180)               # 提高分辨率
+    plt.tight_layout(pad=0.6)      # 更紧凑
     return fig
 
+
 def _coerce_float(x):
     return float(x) if x is not None and x != "" else np.nan