Eli5
ELI5是一個Python軟件包，有助於調試機器學習分類器並解釋其預測。
它為以下機器學習框架和軟件包提供了支持：
- Scikit-Learn。當前ELI5允許解釋Scikit-Learn線性分類器和回歸器的權重和預測，將決策樹打印為文本或SVG，顯示出重要性並解釋對決策樹和基於樹的合奏的預測。 ELI5了解Scikit-Learn的文本處理實用程序，並可以相應地突出文本數據。支持管道和功能。它還允許通過撤消哈希向量的scikit-learn管道來刪除哈希向量。
- KERAS-通過Grad -CAM可視化解釋圖像分類器的預測。
- XGBOOST-顯示特徵的重要性，並解釋XGBClassifier，XGBRegressor和XGBoost.Booster的預測。
- LightGBM-表現出重要性，並解釋LGBMClassifier和LGBMRegressor的預測。
- CATBOOST-顯示catboostClassifier，catboostregressor和catboost.catboost的特徵。
- 閃電 - 解釋閃電分類器和回歸器的權重和預測。
- Sklearn-Crfsuite。 ELI5允許檢查sklearn_crfsuite.crf型號的權重。
ELI5還實現了幾種檢查黑框模型的算法（請參閱檢查黑框估計器）：
- TextExplainer允許使用石灰算法解釋任何文本分類器的預測（Ribeiro等，2016）。也有用於將石灰與非文本數據和任意黑盒分類器一起使用的實用程序，但是此功能目前是實驗性的。
- 置換重要性方法可用於計算黑匣子估計器的特徵重要性。
解釋和格式分開；您可以在iPython筆記本或Web儀表板中嵌入控制台，HTML版本中顯示基於文本的說明，如果要進一步處理結果，可以在ipython筆記本或Web儀表板中顯示pandas.DataFrame對象，或允許在客戶端上實現自定義渲染和格式的json版本。
許可證是麻省理工學院。
檢查文檔以獲取更多信息。
