文件名称：解释：适合可解释的模型。 讲解黑匣子机器学习
文件大小：867KB
文件格式：ZIP
更新时间：2024-02-23 21:10:35
machine-learning ai scikit-learn artificial-intelligence transparency
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 Python 3.6+ | Linux，Mac，Windows pip install interpret 介绍可解释的助推器（EBM） EBM是Microsoft Research 开发的可解释模型。 它使用现代的机器学习技术，例如装袋，梯度增强和自动交互检测，为传统GAM（通用添加模型）注入新的活力。 这使得EBM的准确性与最新技术（如随机森林和梯度增强树）一样准确。 但是，与这些黑盒模型不同