文件名称：nam:神经加性模型（Google研究）
文件大小：1.51MB
文件格式：ZIP
更新时间：2024-05-19 00:53:21
HTML
NAM：神经加性模型-可解释的机器学习与神经网络 | | NAM是用于广义加性模型研究的库。 神经加性模型（NAM）将DNN的某些表达能力与广义加性模型的固有清晰度结合在一起。 NAM学习神经网络的线性组合，每个神经网络都参与一个输入功能。 这些网络经过共同训练，可以学习其输入特征和输出之间的任意复杂关系。 概述 去做： 用法 $ python main.py -h usage: Neural Additive Models [-h] [--training_epochs TRAINING_EPOCHS] [--learning_rate LEARNING_RATE] [--output_regularization OUTPUT_REGULARIZATION]
【文件预览】：
nam-main
----EDA.html(2.53MB)
----main.py(1KB)
----main.ipynb(549KB)
----LICENSE(1KB)
----debugging.ipynb(1.03MB)
----gallup_runs.ipynb(18KB)
----EDA.ipynb(16KB)
----nam()
--------utils()
--------models()
--------__init__.py(0B)
--------types.py(130B)
--------config()
--------data()
--------engine()
----setup.py(650B)
----README.md(6KB)
----Makefile(555B)
----experimental.ipynb(314KB)
----.gitignore(5KB)
----graphing.ipynb(136KB)