Py之lime:lime库的简介安装使用方法之详细攻略
Posted 一个处女座的程序猿
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Py之lime:lime库的简介安装使用方法之详细攻略相关的知识,希望对你有一定的参考价值。
Py之lime:lime库的简介、安装、使用方法之详细攻略
目录
lime库的简介
lime库是机器学习领域中,一种局部的、与模型无关的解释方法。这个项目是关于解释机器学习分类器(或模型)正在做什么。目前,我们支持使用一个名为lime(局部可解释模型不可知性解释的简称)的包来解释文本分类器或作用于表(数字或分类数据的numpy数组)或图像的分类器的单个预测。
lime可以用两个或两个以上的类来解释任何黑盒分类器。我们只需要分类器实现一个函数,该函数接受原始文本或numpy数组,并输出每个类的概率。内置了对scikit-learn分类器的支持。
GitHub官网:GitHub - marcotcr/lime: Lime: Explaining the predictions of any machine learning classifier
lime库的安装
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple lime
lime库的使用方法
相关文章
ML之LIME:基于boston波士顿房价数据集回归预测利用LIME局部解释图/权重图结合RF随机森林模型实现模型事后解释案例之详细攻略
ML之LIME:基于boston波士顿房价数据集回归预测利用LIME局部解释图/权重图结合RF随机森林模型实现模型事后解释案例之详细攻略实现
以上是关于Py之lime:lime库的简介安装使用方法之详细攻略的主要内容,如果未能解决你的问题,请参考以下文章
学习打卡07 可解释机器学习笔记之Shape+Lime代码实战
学习打卡07 可解释机器学习笔记之Shape+Lime代码实战
学习打卡07 可解释机器学习笔记之Shape+Lime代码实战
学习打卡07 可解释机器学习笔记之Shape+Lime代码实战
R语言基于自定义函数构建xgboost模型并使用LIME解释器进行模型预测结果解释:基于训练数据以及模型构建LIME解释器解释多个iris数据样本的预测结果使用LIME解释器进行模型预测结果解释