文件名称：GraphLIME:这是GraphLIME的Pytorch实现
文件大小：188KB
文件格式：ZIP
更新时间：2024-06-11 02:10:47
open-source graph-algorithms explainable-ai graph-neural-networks JupyterNotebook
图形 GraphLIME是节点分类任务中GNN的模型不可知的，局部的和非线性的解释方法。 它使用Hilbert-Schmit独立标准（HSIC）Lasso，这是一个非线性可解释模型。 可以在看到更多详细信息。 这个仓库通过使用令人印象深刻的GNN库实现GraphLIME，并重现了过滤掉无用特征的结果。 即论文中的图3。 安装 只需使用pip即可安装。 > pip install graphlime 用法 此实现易于使用。 您需要做的就是确认模型首先输出对数概率（例如， F.log_softmax()输出），然后实例化GraphLIME对象，最后通过调用explain_node()方法解释特定的节点。 from graphlime import GraphLIME data = ... # a `torch_geometric.data.Data` object model =
【文件预览】：
GraphLIME-master
----setup.py(570B)
----.gitignore(58B)
----graphlime()
--------__init__.py(4KB)
----exp()
--------noise_features()
----LICENSE(1KB)
----scripts()
--------noise_features_cora.sh(388B)
--------noise_features_pubmed.sh(394B)
----README.md(3KB)
----tutorial.ipynb(141KB)