ELI5 

Communauté d’assistance GitHub Interprétabilité du modèle

ELI5 est une bibliothèque Python qui permet de visualiser et de déboguer divers modèles de Machine Learning à l’aide d’une API unifiée. Il prend en charge plusieurs frameworks ML et fournit un moyen d’expliquer les modèles de boîte noire.

Caractéristiques

ELI5 est un package Python qui permet de déboguer les classificateurs d’apprentissage automatique et d’expliquer leurs prédictions. Il prend en charge les frameworks et packages d’apprentissage automatique suivants :

scikit-learn. Actuellement, ELI5 permet d’expliquer les poids et les prédictions des classificateurs et régresseurs linéaires scikit-learn, d’imprimer les arbres de décision sous forme de texte ou de SVG, d’afficher l’importance des fonctionnalités et d’expliquer les prédictions des arbres de décision et des ensembles basés sur des arbres.

Pipeline et FeatureUnion sont pris en charge.

ELI5 comprend les utilitaires de traitement de texte de scikit-learn et peut mettre en évidence les données textuelles en conséquence. Il permet également de déboguer les pipelines scikit-learn qui contiennent HashingVectorizer, en annulant le hachage.

Keras – expliquez les prédictions des classificateurs d’images via les visualisations Grad-CAM.

XGBoost – affiche l’importance des fonctionnalités et explique les prédictions de XGBClassifier, XGBRegressor et xgboost.Booster.

LightGBM – affiche l’importance des fonctionnalités et explique les prédictions de LGBMClassifier et LGBMRegressor.

CatBoost – affiche l’importance des fonctionnalités de CatBoostClassifier et CatBoostRegressor.

foudre – expliquer les poids et les prédictions des classificateurs et régresseurs de foudre.

sklearn-crfsuite. ELI5 permet de vérifier les poids des modèles sklearn_crfsuite.

Site officiel

Tutoriel et documentation

Enter your contact information to continue reading