文件名称:
Machine-Learning-model-using-LIME-源码
开发工具:
文件大小: 7mb
下载次数: 0
上传时间: 2021-03-29
详细说明:使用LIME的机器学习模型
模型的可解释性非常重要。 如果非技术人员无法理解机器学习模型,那么即使机器学习模型确实强大,对公司也没有帮助。 LIME是一个python库,它试图通过产生本地忠实的解释来解决模型的可解释性。
石灰的定义
LIME(与局部可解释模型无关的解释)是一种新颖的解释技术,通过在预测周围局部学习可解释模型,以可解释和忠实的方式解释任何分类器的预测。
LIME在模型可解释性方面提供了什么?
一致的模型不可知论者[LIME]。
一种选择带有说明的代表性集的方法[SP-LIME],以确保模型在复制人类逻辑时表现一致。 该代表性集合将提供对该模型的直观全局理解。 LIME解释了一个预测,因此,即使是非专家,也可以通过特征工程对不可靠的模型进行比较和改进。
可解释的
它应该提供输入变量和响应之间的定性理解。 它应该很容易理解。
本地保真度
除非它是对模型本身的完整描述,否则可
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台,提供交流渠道,下载内容来自于网络,除下载问题外,其它问题请自行百度。
- 本站已设置防盗链,请勿用迅雷、QQ旋风等多线程下载软件下载资源,下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载,请稍后再次尝试;或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎,请到消费记录里找到下载记录反馈给我们,经确认后退回积分.
- 如下载前有疑问,可以通过点击"提供者"的名字,查看对方的联系方式,联系对方咨询.
相关搜索: