mldissect 0.0.1a2

mldissect

mldissect是模型不可知的预测解释程序，库可以显示 你的预测值的每个特征的贡献。

功能

• 支持分类和回归的预测解释
• 易于使用的api。
• 使用pandas和numpy

$ pip install mldissect

基本用法

# lets train a modelboston=load_boston()columns=list(boston.feature_names)X,y=boston['data'],boston['target']X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=.2,random_state=seed)clf=LassoCV()clf.fit(X_train,y_train)# select first observation in test splitobservation=X_test[0]# RegressionExplainer uses training data or sample of training data# for large dataset to figure out contributions of each featureexplainer=RegressionExplainer(clf,X_train,columns)result=explainer.explain(observation)# print/visualize explanationexplanation=Explanation(result)explanation.print()

结果：

+----------+---------+--------------------+
| Feature  | Value   | Contribution       |
+----------+---------+--------------------+
| baseline | -       | 22.611881188118804 |
| LSTAT    | 7.34    | 3.6872             |
| PTRATIO  | 16.9    | 1.3652             |
| CRIM     | 0.06724 | 0.2323             |
| B        | 375.21  | 0.1195             |
| RM       | 6.333   | 0.0411             |
| INDUS    | 3.24    | 0.0312             |
| CHAS     | 0.0     | 0.0                |
| NOX      | 0.46    | 0.0                |
| TAX      | 430.0   | -0.3794            |
| AGE      | 17.2    | -0.5127            |
| ZN       | 0.0     | -0.6143            |
| DIS      | 5.2146  | -1.0792            |
| RAD      | 4.0     | -1.0993            |
+----------+---------+--------------------+

算法

算法基于论文“模型预测解释”中描述的思想 带实时和故障包“https://arxiv.org/abs/1804.01955

与PyBreakdown的差异

pyBreakDown是类似的项目，但有一些关键的区别：

• mldissect保持
• 有测试和良好的代码覆盖率。
• 分类工作正常。
• 多类支持。
• 未实施自上而下的方法。
• 友好许可证。

更改