文件名称：解释树：介绍培训材料带隙预测的决策树模型，然后使用TreeExplainer理解模型预测的简介
文件大小：1.35MB
文件格式：ZIP
更新时间：2024-03-10 01:47:12
JupyterNotebook
可解释的材料机器学习 这是一组笔记本，旨在快速介绍一些构建和检查对材料设计有用的模型的方法。 第一个笔记本电脑classical-ml引入了许多方法，以使某些特征适合材料的带隙数据。 我们得出的最终模型很大程度上基于 第二个笔记本shapley_values_gbtree介绍的应用检查模式的特征是如何有助于成果。 并帮助理解所作的预测。 档案 data -包含训练模型所需的所有数据 models -如果您想直接跳至教程2，则包含一个预训练的决策树 notebooks -具有两个笔记本 environment.yml包含这些笔记本在其中开发的conda环境
【文件预览】：
explainable-trees-master
----notebooks()
--------classical-ml.ipynb(354KB)
--------shapley_values_gbtree.ipynb(1.47MB)
----models()
--------gb_tree_best.pkl(1.42MB)
----images()
--------shap.png(89KB)
----environment.yml(5KB)
----README.md(1KB)
----data()
--------training_data.pickle(879KB)