使用代理模型构建可解释的ml模型。
safe-transformer的Python项目详细描述
[！[下载]（https://pepy.tech/badge/safe transformer）（https://pepy.tech/project/safe transformer）
[！[PYPI版本]（https://badge.fury.io/py/safe transformer.svg）]（https://badge.fury.io/py/safe transformer）
\safe-代理辅助的特征提取
safe是一个Python库，您可以使用它来构建更好的可解释ML模型，利用更强大的功能，黑匣子模型。
其思想是使用更复杂的模型（称为代理模型）从特征中提取更多信息，这些信息可以稍后用于拟合一些更简单但可解释的模型。
输入数据被划分为间隔或新的类别集，由代理模型确定，然后根据每个点所属的间隔或类别对其进行转换。
库为您提供了safetransformer类，该类实现了transformermixin接口，因此它可以用作scikit学习管道的一部分。
使用此库，您可以通过从更复杂的模型中传输信息。
关于safe-on的文章可以在[这里]（https://arxiv.org/abs/1902.11035）找到。
python 3安装在您的机器上。
gradientboostingressor
来自sklearn.model_selection导入train_test_split
导入熊猫作为pd
来自sklearn.linear_model导入linearregression
来自sklearn.metrics导入mean_squared_error
来自sklearn.pipeline导入pipeline
data=load_boston（）
x=pd.dataframe（data.data，columns=data.feature\u names）
y=data['target']
x_-train，x_-test，y_-train，y_-test=train_-test_-split（x，y）
surrogate_-model=gradientBoostingRegressor（n_估计器=100，
max_depth=4，
learning_rate=0.1，
损失='huber'）
代理项模型=代理项模型.fit（x_列，y_列）
线性模型=线性相关（）
安全变压器=安全变压器（代理项模型，惩罚=0.84）
管道=管道（步骤=[（"安全"，安全变压器），（"线性"，线性模型]）
管道=管道。拟合（x_列，y_列）
预测=管道。预测（x_检验）
均方误差（y_检验，预测）
````
``bash
13.617733207161479
`````
``python
``线性模型=线性回归（）
线性模型=线性模型.拟合（x列，y_列）
标准_预测=线性_模型_标准。预测（x_检验）
平均_平方误差（y_检验，标准_预测）
`````
``bash
29.27790566931337
````
黑箱模型，保持简单模型的可解释性。
用于安装安全变压器的数据必须是pandas数据帧。
您还可以指定惩罚和毛皮模型参数。
[此处]（https://plubon.github.io/safe docs/）
\
分割基于代理模型的响应。
对于每个变量的连续因变量，我们会找到表示值的变化点代理模型的响应快速变化的变量。变化点之间的间隔是转换的基础，例如，特征被转换为类别变量，其中相同间隔中的特征值形成相同的类别。为了找到变化点，我们需要部分依赖图。
这些图描述了给定变量（或多个变量）对模型结果的边际影响。
对于每个变量的分类变量，我们基于代理模型响应执行分层聚类。然后，根据类别之间响应的最大相似性，将它们合并在一起形成新的类别。
执行拟合方法的算法如下所示：
&；nbsp；
！[*fit method algorithm*]（images/fl.svg）
&；nbsp；
我们的算法适用于回归和分类问题。在回归的情况下，我们只是使用模型响应来创建部分依赖图和层次聚类。对于分类，我们使用每个类的预测概率。
它是为波士顿住房数据框架创建的，示例中的变量是lstat。为了从部分依赖图中获取变化点，我们使用[中断]（http://ctruong.perso.math.cnrs.fr/ruptures-docs/build/html/index.html）库及其模型[pelt]（http://ctruong.perso.math.cnrs.fr/ruptures docs/build/html/detection/pelt.html）。
<；img src="images/simple plot.png"width="425"/>；<；img src="images/changepoint.png"width="425"/>；
\要根据平均模型响应创建新类别，我们使用scikit learn[ward算法]（https://scikit-learn.org/0.15/modules/generated/sklearn.cluster.ward.html）并查找要从[kneed library]中剪切kneelocator类的集群数（https://github.com/arvkevi/kneed）。
<；img src="images/categorical.png"width="425"/>；<；img src="images/dendo.png"width="425"/>；
\在这里你可以看到模型的质量如何随着惩罚而改变。对于代理模型和基本模型的参考结果也在图中。
&；nbsp；
<；img src="images/pens.png"alt="model performance"width="500"/>；
&；nbsp；
为了保证代理模型的准确性。
``python
安全变压器。总结（变量名为‘crim’’
```
` ` `
` ` ` `
数值变量crim
选择区间：
[-inf，4.90）
[4.90，11.14，11.14，15.59）
[15.59，24.50，24.50，24.50，24.50，33.40）
[33.40，48.40，48.54）
[48.54，48.54，48.54，48.54，48.54，48.54，48.54 inf）
```
请参见所有变量的转换不指定变量名参数。
``python
safe_transformer.summary（）
````
```
numerical variable crim
所选间隔：
[-inf，4.90）
[4.90，11.14）
[11.14，15.59）
[15.59，24.50）
[24.50，33.40）
[33.40，48.54）
[48.54，inf）
[33.54，inf]
数值变量zn
选择区间：
[-inf，33.53）
[33.53，inf）
[33.53，inf]
>数值变量indus
>选择区间：
[-inf，2.78，2.78，2.78，3.19）
[3.19，4.28，4.28，10.29，10.29，10.29，26.68）
[10.29，26.29，26.68]
[26.26，26.68]
[26.26>[26.26.68，26.68分，inf）
。
。
。
数值变量lstat
选定间隔：
[-inf，4.55）
[4.55，4.73）
[4.73，5.43）
[5.43，5.96）
[5.96，7.55）
[7.55，8.08）
[8.08，9.67）
[9.67，9.85）
[9.85，10.02）
[10.02，14.43）
[14.43，14.96）
[14.96，16.02）
[16.02，18.14）
[18.14，19.37）
[19.37，23.96）
[23.96，26.78）
[26.78，29.61）
[29.61，inf）
```
引用
*[原始安全算法]（https://mi2datalab.github.io/safe/index.html），在r
*[中断库]（https://github.com/deepcharles/ruptures）中实现，用于查找变更点
*[跪库]（https://github.com/arvkevi/kneed），用于剪切层次树
*[安全文章]（https://arxiv.org/abs/1902.11035）-关于安全算法的文章，包括使用SAFE库的基准结果
该项目是由Aleksandra Gacek和Piotr Lubon在华沙理工大学数学与信息科学学院的[研究研讨会课程]（https://github.com/pbiecek/casestudies2019w）上完成的。
[！[PYPI版本]（https://badge.fury.io/py/safe transformer.svg）]（https://badge.fury.io/py/safe transformer）
\safe-代理辅助的特征提取
safe是一个Python库，您可以使用它来构建更好的可解释ML模型，利用更强大的功能，黑匣子模型。
其思想是使用更复杂的模型（称为代理模型）从特征中提取更多信息，这些信息可以稍后用于拟合一些更简单但可解释的模型。
输入数据被划分为间隔或新的类别集，由代理模型确定，然后根据每个点所属的间隔或类别对其进行转换。
库为您提供了safetransformer类，该类实现了transformermixin接口，因此它可以用作scikit学习管道的一部分。
使用此库，您可以通过从更复杂的模型中传输信息。
关于safe-on的文章可以在[这里]（https://arxiv.org/abs/1902.11035）找到。
python 3安装在您的机器上。
gradientboostingressor
来自sklearn.model_selection导入train_test_split
导入熊猫作为pd
来自sklearn.linear_model导入linearregression
来自sklearn.metrics导入mean_squared_error
来自sklearn.pipeline导入pipeline
data=load_boston（）
x=pd.dataframe（data.data，columns=data.feature\u names）
y=data['target']
x_-train，x_-test，y_-train，y_-test=train_-test_-split（x，y）
surrogate_-model=gradientBoostingRegressor（n_估计器=100，
max_depth=4，
learning_rate=0.1，
损失='huber'）
代理项模型=代理项模型.fit（x_列，y_列）
线性模型=线性相关（）
安全变压器=安全变压器（代理项模型，惩罚=0.84）
管道=管道（步骤=[（"安全"，安全变压器），（"线性"，线性模型]）
管道=管道。拟合（x_列，y_列）
预测=管道。预测（x_检验）
均方误差（y_检验，预测）
````
``bash
13.617733207161479
`````
``python
``线性模型=线性回归（）
线性模型=线性模型.拟合（x列，y_列）
标准_预测=线性_模型_标准。预测（x_检验）
平均_平方误差（y_检验，标准_预测）
`````
``bash
29.27790566931337
````
黑箱模型，保持简单模型的可解释性。
用于安装安全变压器的数据必须是pandas数据帧。
您还可以指定惩罚和毛皮模型参数。
[此处]（https://plubon.github.io/safe docs/）
\
分割基于代理模型的响应。
对于每个变量的连续因变量，我们会找到表示值的变化点代理模型的响应快速变化的变量。变化点之间的间隔是转换的基础，例如，特征被转换为类别变量，其中相同间隔中的特征值形成相同的类别。为了找到变化点，我们需要部分依赖图。
这些图描述了给定变量（或多个变量）对模型结果的边际影响。
对于每个变量的分类变量，我们基于代理模型响应执行分层聚类。然后，根据类别之间响应的最大相似性，将它们合并在一起形成新的类别。
执行拟合方法的算法如下所示：
&；nbsp；
！[*fit method algorithm*]（images/fl.svg）
&；nbsp；
我们的算法适用于回归和分类问题。在回归的情况下，我们只是使用模型响应来创建部分依赖图和层次聚类。对于分类，我们使用每个类的预测概率。
它是为波士顿住房数据框架创建的，示例中的变量是lstat。为了从部分依赖图中获取变化点，我们使用[中断]（http://ctruong.perso.math.cnrs.fr/ruptures-docs/build/html/index.html）库及其模型[pelt]（http://ctruong.perso.math.cnrs.fr/ruptures docs/build/html/detection/pelt.html）。
<；img src="images/simple plot.png"width="425"/>；<；img src="images/changepoint.png"width="425"/>；
\要根据平均模型响应创建新类别，我们使用scikit learn[ward算法]（https://scikit-learn.org/0.15/modules/generated/sklearn.cluster.ward.html）并查找要从[kneed library]中剪切kneelocator类的集群数（https://github.com/arvkevi/kneed）。
<；img src="images/categorical.png"width="425"/>；<；img src="images/dendo.png"width="425"/>；
\在这里你可以看到模型的质量如何随着惩罚而改变。对于代理模型和基本模型的参考结果也在图中。
&；nbsp；
<；img src="images/pens.png"alt="model performance"width="500"/>；
&；nbsp；
为了保证代理模型的准确性。
``python
安全变压器。总结（变量名为‘crim’’
```
` ` `
` ` ` `
数值变量crim
选择区间：
[-inf，4.90）
[4.90，11.14，11.14，15.59）
[15.59，24.50，24.50，24.50，24.50，33.40）
[33.40，48.40，48.54）
[48.54，48.54，48.54，48.54，48.54，48.54，48.54 inf）
```
请参见所有变量的转换不指定变量名参数。
``python
safe_transformer.summary（）
````
```
numerical variable crim
所选间隔：
[-inf，4.90）
[4.90，11.14）
[11.14，15.59）
[15.59，24.50）
[24.50，33.40）
[33.40，48.54）
[48.54，inf）
[33.54，inf]
数值变量zn
选择区间：
[-inf，33.53）
[33.53，inf）
[33.53，inf]
>数值变量indus
>选择区间：
[-inf，2.78，2.78，2.78，3.19）
[3.19，4.28，4.28，10.29，10.29，10.29，26.68）
[10.29，26.29，26.68]
[26.26，26.68]
[26.26>[26.26.68，26.68分，inf）
。
。
。
数值变量lstat
选定间隔：
[-inf，4.55）
[4.55，4.73）
[4.73，5.43）
[5.43，5.96）
[5.96，7.55）
[7.55，8.08）
[8.08，9.67）
[9.67，9.85）
[9.85，10.02）
[10.02，14.43）
[14.43，14.96）
[14.96，16.02）
[16.02，18.14）
[18.14，19.37）
[19.37，23.96）
[23.96，26.78）
[26.78，29.61）
[29.61，inf）
```
引用
*[原始安全算法]（https://mi2datalab.github.io/safe/index.html），在r
*[中断库]（https://github.com/deepcharles/ruptures）中实现，用于查找变更点
*[跪库]（https://github.com/arvkevi/kneed），用于剪切层次树
*[安全文章]（https://arxiv.org/abs/1902.11035）-关于安全算法的文章，包括使用SAFE库的基准结果
该项目是由Aleksandra Gacek和Piotr Lubon在华沙理工大学数学与信息科学学院的[研究研讨会课程]（https://github.com/pbiecek/casestudies2019w）上完成的。
欢迎加入QQ群-->： 979659372
