解释:适合可解释的模型。 讲解黑匣子机器学习 源码
InterpretML-Alpha版本 起初,机器是在黑暗中学习的,而数据科学家则在虚空中挣扎着解释它们。 让它发光。 InterpretML是一个开源软件包,在一个平台下融合了最新的机器学习可解释性技术。 使用此软件包,您可以训练可解释的玻璃箱模型并解释黑箱系统。 InterpretML可帮助您了解模型的整体行为,或了解各个预测背后的原因。 可解释性对于以下方面至关重要: 模型调试-为什么我的模型会犯此错误? 检测公平问题-我的模型有区别吗? 人与人工智能的合作-我如何理解和信任模型的决策? 合规性-我的模型满足法律要求吗? 高风险应用-医疗保健,金融,司法,... 安装 Py
文件列表
解释:适合可解释的模型。 讲解黑匣子机器学习
(预估有个241文件)
interpret_R.cpp
65KB
build_R.bat
1KB
build.bat
2KB
.babelrc
171B
setup.cfg
100B
.coveragerc
19B
Discretization.cpp
50KB
FindBestBoostingSplitsPairs.cpp
50KB
BinningQuantile.cpp
182KB
Booster.cpp
48KB
暂无评论