Термины взаимодействия в XGBClassifier для двоичной логистической классификации в python

Question

Я создал двоичное дерево решений, используя двоичный логистический классификатор XGB в python. Значения SHAP используются для объяснения того, какие переменные оказывают наибольшее влияние на результат. Это уже запущено и работает, но я хотел бы добавить термины взаимодействия в дерево решений, чтобы увидеть, влияют ли какие-либо комбинации переменных. Кто-нибудь знает, как я могу изменить свой существующий код, чтобы добавить условия взаимодействия?

#load packages
import xgboost as xgb
from sklearn.metrics import mean_squared_error
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder

#load data
df = pd.read_sql(query, con=cnxn)

#remove the dependent variable
X, y = df.iloc[:,1:],df.iloc[:,0]

#create the decision tree
data_dmatrix = xgb.DMatrix(data=X,label=y)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=123)
xg_reg = xgb.XGBClassifier(objective ='binary:logistic', colsample_bytree = 0.3, learning_rate = 0.1, max_depth = 5, alpha = 10, n_estimators = 10)

xg_reg.fit(X_train,y_train)
preds_train = xg_reg.predict_proba(X_train)
preds = xg_reg.predict_proba(X_test)

#check feature importance
sorted_idx = np.argsort(xg_reg.feature_importances_)[::-1]
for index in sorted_idx:
    print([X_train.columns[index], xg_reg.feature_importances_[index]]) 

#check feature importance through shaply values
explainerXGB = shap.TreeExplainer(xg_reg)
shap_values_XGB_test = explainerXGB.shap_values(X_test)
shap_values_XGB_train = explainerXGB.shap_values(X_train)