我如何解锁我的模型在想什么?模型描述器有助于解决sklearn机器学习模型的这个问题。具体来说,模型描述器有助于解决两个关键问题:错误和模型敏感度。对于错误,model descripber以一种引人注目的方式分析模型在数据的关键区域内的性能。对于敏感性,模型描述器识别不同变量分布的哪些部分对模型预测的影响最大,并绘制它们。
model-describer的Python项目详细描述
模型描述:使"黑匣子"机器学习模型对人类可解释的简单代码
模型描述器使人们能够从两个关键方面理解"黑匣子"机器学习模型:
- 模型描述器帮助我们了解模型中不同群体的"相信"行为
- 模型描述符有助于明确模型在何处做出特别准确或不准确的预测 < > >
- 在现有机器学习工作流的末尾使用简单的python代码创建,无需模型重新培训
- 是引人注目的交互式HTML文件,小到可以通过电子邮件发送。
- 附件只要求你的队友/客户有一个网页浏览器来打开附件。不需要服务器或混乱的安装。
- 不要公开可能敏感的原始数据。最终的html文件中只包含数据摘要。这也使得我们有可能将建立在超大数据集上的模型归纳为足够小的文件大小,以便发送电子邮件。
为了便于向您的团队传达这些发现,模型描述输出: