Eli5
ELI5 เป็นแพ็คเกจ Python ที่ช่วยในการดีบักตัวแยกประเภทการเรียนรู้ของเครื่องและอธิบายการคาดการณ์ของพวกเขา
ให้การสนับสนุนกรอบการเรียนรู้และแพ็คเกจการเรียนรู้ของเครื่องต่อไปนี้:
- Scikit-learn ปัจจุบัน ELI5 อนุญาตให้อธิบายน้ำหนักและการทำนายของตัวแยกประเภทเชิงเส้น Scikit-learn และ regressors, ต้นไม้ตัดสินใจพิมพ์เป็นข้อความหรือเป็น SVG แสดงคุณลักษณะสำคัญและอธิบายการทำนายของต้นไม้ตัดสินใจและวงดนตรีบนต้นไม้ ELI5 เข้าใจยูทิลิตี้การประมวลผลข้อความจาก Scikit-Learn และสามารถเน้นข้อมูลข้อความได้ รองรับท่อและ featureunion นอกจากนี้ยังช่วยให้สามารถดีบักท่อ Scikit-learn ซึ่งมี hashingvectorizer โดยการยกเลิกการแฮช
- Keras - อธิบายการทำนายตัวแยกประเภทภาพผ่านการสร้างภาพข้อมูลระดับบัณฑิต
- XGBOOST - แสดงความสำคัญของคุณลักษณะและอธิบายการคาดการณ์ของ XGBCLASSIFIER, XGBREGRESSOR และ XGBOOST.BOOSTER
- LIGHTGBM - แสดงความสำคัญของคุณลักษณะและอธิบายการคาดการณ์ของ LGBMCLASSIFIER และ LGBMREGRESSOR
- Catboost - แสดงคุณสมบัติความสำคัญของ Catboostclassifier, Catboostregressor และ Catboost.catboost
- ฟ้าผ่า - อธิบายน้ำหนักและการทำนายของตัวแยกประเภทสายฟ้าและ regressors
- Sklearn-Crfsuite ELI5 อนุญาตให้ตรวจสอบน้ำหนักของรุ่น sklearn_crfsuite.crf
ELI5 ยังใช้อัลกอริทึมหลายอย่างสำหรับการตรวจสอบโมเดลกล่องดำ (ดูการตรวจสอบตัวประมาณกล่องดำ):
- Textexplainer อนุญาตให้อธิบายการคาดการณ์ของตัวจําแนกข้อความใด ๆ โดยใช้อัลกอริทึมมะนาว (Ribeiro et al., 2016) มียูทิลิตี้สำหรับการใช้มะนาวกับข้อมูลที่ไม่ใช่ข้อความและตัวแยกประเภทกล่องดำโดยพลการเช่นกัน แต่คุณลักษณะนี้กำลังทดลองอยู่ในปัจจุบัน
- วิธีการเปลี่ยนรูปแบบสามารถใช้ในการคำนวณความสำคัญคุณลักษณะสำหรับตัวประมาณกล่องดำ
คำอธิบายและการจัดรูปแบบจะถูกแยกออก คุณสามารถรับคำอธิบายตามข้อความเพื่อแสดงในคอนโซลเวอร์ชัน HTML ที่ฝังอยู่ในสมุดบันทึก ipython หรือแผงควบคุมเว็บ, วัตถุ pandas.DataFrame หากคุณต้องการประมวลผลผลลัพธ์เพิ่มเติมหรือเวอร์ชัน JSON ซึ่งอนุญาตให้ใช้การเรนเดอร์และการจัดรูปแบบที่กำหนดเอง
ใบอนุญาตคือ MIT
ตรวจสอบเอกสารเพิ่มเติม
