ELI5
ELI5는 기계 학습 분류기를 디버그하고 예측을 설명하는 데 도움이되는 파이썬 패키지입니다.
다음 머신 러닝 프레임 워크 및 패키지를 지원합니다.
- Scikit-Learn. 현재 ELI5는 Scikit-Learn 선형 분류기 및 회귀 자의 무게 및 예측을 설명하고 의사 결정 트리를 텍스트 또는 SVG로 인쇄하고 기능 수입을 보여주고 의사 결정 트리 및 트리 기반 앙상블의 예측을 설명합니다. ELI5는 Scikit-Learn의 텍스트 처리 유틸리티를 이해하고 그에 따라 텍스트 데이터를 강조 할 수 있습니다. 파이프 라인 및 피처 훈련이 지원됩니다. 또한 해싱을 취소하여 해싱 벡터 라이저를 포함하는 Scikit-Learn 파이프 라인을 디버그 할 수 있습니다.
- KERAS- 졸업식 시각화를 통해 이미지 분류기의 예측을 설명하십시오.
- XGBOOST- XGBCLASSIFIER, XGBREGRESSOR 및 XGBOOST.BOOSTER의 수입을 보여주고 설명합니다.
- LightGBM- 수입 기능을 보여주고 LGBMClassifier 및 LGBMREGRESSOR의 예측을 설명합니다.
- CATBOOST- CatboostClassifier, Catboostregressor 및 Catboost.catboost의 수입을 보여줍니다.
- 번개 - 번개 분류기 및 회귀 자의 무게와 예측을 설명하십시오.
- Sklearn-crfsuite. ELI5를 사용하면 sklearn_crfsuite.crf 모델의 무게를 확인할 수 있습니다.
ELI5는 또한 블랙 박스 모델을 검사하기위한 여러 알고리즘을 구현합니다 (검은 색 상자 추정기 검사 참조).
- Textexplainer는 라임 알고리즘을 사용하여 텍스트 분류기의 예측을 설명 할 수 있습니다 (Ribeiro et al., 2016). 텍스트가 아닌 데이터와 임의의 블랙 박스 분류기와 함께 라임을 사용하는 유틸리티가 있지만이 기능은 현재 실험적입니다.
- 순열 중요성 방법을 사용하여 블랙 박스 추정기의 기능 수입을 계산할 수 있습니다.
설명 및 서식이 분리됩니다. 콘솔에 표시 할 텍스트 기반 설명, ipython 노트북 또는 웹 대시 보드, pandas.DataFrame 객체에 포함 된 HTML 버전 또는 클라이언트의 사용자 정의 렌더링 및 형식을 구현할 수있는 JSON 버전을 표시 할 수 있습니다.
라이센스는 MIT입니다.
더 많은 문서를 확인하십시오.
