Eli5
ELI5是一个Python软件包，有助于调试机器学习分类器并解释其预测。
它为以下机器学习框架和软件包提供了支持：
- Scikit-Learn。当前ELI5允许解释Scikit-Learn线性分类器和回归器的权重和预测，将决策树打印为文本或SVG，显示出重要性并解释对决策树和基于树的合奏的预测。 ELI5了解Scikit-Learn的文本处理实用程序，并可以相应地突出文本数据。支持管道和功能。它还允许通过撤消哈希向量的scikit-learn管道来删除哈希向量。
- KERAS-通过Grad -CAM可视化解释图像分类器的预测。
- XGBOOST-显示特征的重要性，并解释XGBClassifier，XGBRegressor和XGBoost.Booster的预测。
- LightGBM-表现出重要性，并解释LGBMClassifier和LGBMRegressor的预测。
- CATBOOST-显示catboostClassifier，catboostregressor和catboost.catboost的特征。
- 闪电 - 解释闪电分类器和回归器的权重和预测。
- Sklearn-Crfsuite。 ELI5允许检查sklearn_crfsuite.crf型号的权重。
ELI5还实现了几种检查黑框模型的算法（请参阅检查黑框估计器）：
- TextExplainer允许使用石灰算法解释任何文本分类器的预测（Ribeiro等，2016）。也有用于将石灰与非文本数据和任意黑盒分类器一起使用的实用程序，但是此功能目前是实验性的。
- 置换重要性方法可用于计算黑匣子估计器的特征重要性。
解释和格式分开；您可以在iPython笔记本或Web仪表板中嵌入控制台，HTML版本中显示基于文本的说明，如果要进一步处理结果，可以在ipython笔记本或Web仪表板中显示pandas.DataFrame对象，或允许在客户端上实现自定义渲染和格式的json版本。
许可证是麻省理工学院。
检查文档以获取更多信息。
