机器学习可解释性工具箱XAI
http://blog.itpub.net/29829936/viewspace-2600454/
XAI是Github上的一个机器学习可解释性工具箱。XAI包含多种分析和评价数据和模型的工具。XAI在开发时遵循负责的机器学习的8个原则。
XAI是Github上的一个机器学习可解释性工具箱,地址为:
https://github.com/EthicalML/xai
安装及一些简单的用例如下:
安装
pip install xai
简单用例
XAI可以识别数据不平衡。我们先载入census数据集:
import xai.data
df = xai.data.load_census()
df.head()
查看多列类别不平衡:
protected_cols = ["gender", "ethnicity", "age"]
ims = xai.show_imbalances(df, protected_cols)
查看一列类别不平衡:
im = xai.show_imbalance(df, "gender")
查看一列与另一列相交的不平衡:
im = xai.show_imbalance(df, "gender", cross=["loan"])
利用上采样或下采样进行平衡:
bal_df = xai.balance(df, "gender", cross=["loan"], upsample=1.0)
创建一个平衡的测试-训练划分:
# Balanced train-test split with minimum 300 examples of
# the cross of the target y and the column gender
x_train, y_train, x_test, y_test = xai.balanced_train_test_split(x, y, cross=["gender"], categorical_cols=categorical_cols, min_per_class=300)
# Visualise the imbalances of gender and the target
df_test = x_test.copy()
df_test["loan"] = y_test
_= xai.show_imbalance(df_test, "gender", cross=["loan"], categorical_cols=categorical_cols)
更多用例可以参考Github项目链接:
https://github.com/EthicalML/xai
机器学习可解释性工具箱XAI相关推荐
- XAI/ML:机器学习可解释性之模型洞察之为什么以及什么时候你需要洞察力?
XAI/ML:机器学习可解释性之模型洞察之为什么以及什么时候你需要洞察力? 目录 Why and when do you need insights? 1.What Types of Insights ...
- 【机器学习】关于机器学习模型可解释(XAI),再分享一招!
随着时间的推移,学习模型变得越来越复杂,很难直观地分析它们.人们经常听说机器学习模型是"黑匣子",从某种意义上说,它们可以做出很好的预测,但我们无法理解这些预测背后的逻辑.这种说法 ...
- 归因分析笔记5:机器学习可解释性
目录 可解释的机器学习 从宏观业务流程看可解释机器学习 使机器学习可解释两种方法 可解释性的范围 模型不可知的全局方法 排列特征重要性(模型依赖) 模型不可知的局部方法 Shapley 值 Shapl ...
- 博弈论夏普利值!提高机器学习可解释性的新方法!
全文共7141字,预计学习时长21分钟 图源:Unsplash 从"约翰•纳什"到"板球世界杯" 还记得<美丽心灵>的男主(也是现实生活中传奇的一代 ...
- ML之PDP:机器学习可解释性之部分依赖图(Partial Dependence Plots)之每个特征如何影响您的预测?
ML之PDP:机器学习可解释性之部分依赖图(Partial Dependence Plots)之每个特征如何影响您的预测? 目录 机器学习可解释性之部分依赖图之每个特征如何影响您的预测? Partia ...
- 机器学习可解释性(二) —— 类激活映射(CAM)
# 机器学习可解释性(二)--类激活映射(CAM) 文章目录 1.序言 2.方法介绍 2.1 CAM 2.2 GradCAM 2.3 GradAM++ 2.4 LayerCAM 3.算法实现 3.1 ...
- 机器学习可解释性(一) —— 累积局部效应图(ALE)
一.序言 深度学习的"黑盒"特性如今越来越让计算机工作者困扰,因此模型的可解释性问题在近些年越来越受到人们的关注.作为该领域的萌新,我开始一点点学习相关领域的内容,参考的书籍是:& ...
- 机器学习可解释性(一)
机器学习可解释性(一) 机器学习可解释性(二) 之 可解释模型 机器学习可解释性(三) 之模型无关方法 机器学习可解释性(四) 之 shap 文章目录 what: 什么是可解释性(interpreta ...
- 可解释性机器学习( Explainable Artificial Intelligence (XAI) )文献阅读记录(1.1)
文章目录 论文标题:Explainable Artificial Intelligence (XAI): Concepts, taxonomies,opportunities and challeng ...
最新文章
- 一个CV算法工程师的小反思
- K8s中的external-traffic-policy是什么?
- 基于visual Studio2013解决算法导论之007优先队列(堆实现)
- Torque2D MIT 实战记录: 塔防进度(3)
- Stable Sort Aizu - ALDS1_2_C
- 查看 mysql 状态_查看mysql状态的常用命令
- iOS 怎么设置 UITabBarController 的第n个item为第一响应者?
- roi计算_计算开放式硬件项目的ROI的6个步骤
- android 支付宝月账单 统计图_支付宝年度账单也太敷衍了!
- 这位超级电脑之父,年近 90 仍不愿退休
- 【nand2tetris实验0】windows找不到文件javaw的解决办法
- easyui 时间段校验,开始时间小于结束时间,并且时间间隔不能超过30天
- 软件测试--04测试用例/测试方法
- 计算机网络(HCIP、HCIE)系列文章大合集
- 抖音短视频数据分析报告工具
- 半导体物理与器件_哀悼!我校校友、国际著名半导体器件物理学家、微电子学家陈星弼院士逝世...
- 偶遇 649453.sys / Adware.Cdn / Hacktool.Rootkit
- 【C++】模板(函数模板,类模板,模板的特化,模板的分离编译)
- 配置vps服务器,拨号换ip(一)
- 华为交换机三种模式的理解
热门文章
- SEE Conf 2021 如期而至,体验科技极致美
- JavaScript 开发者最期待的年度大会,惊喜不断,错过还要等好久!
- PyTorch在64位Windows下的Conda包
- CMU创建一个开源的AI代码生成模型,C语言表现优于Codex
- 优化算法之手推遗传算法(Genetic Algorithm)的详细步骤图解
- 分析460万份数据发现,女警比男警检查汽车几率少2倍,但发现违禁品还多10%
- 腾讯130公顷的深圳新总部了解一下,大小相当于曼哈顿城
- 资源|最好的九张机器学习/深度学习代码速查表,附高清下载
- Transformer又来搞事情!百万像素高清图轻松合成,效果迷人
- 【资源推荐】知识图谱顶会论文集锦