ScoringExplainer Třída

Definuje model bodování.

Pokud byly transformace předány v original_explainer, tyto transformace se přenesou do vysvětlujícího modulu pro vyhodnocování, budou očekávány nezpracovaná data a ve výchozím nastavení se pro nezpracované funkce vrátí důležitost. Pokud se sem předáte feature_maps (není určeno k použití ve stejnou dobu jako transformace), bude vysvětlující proces očekávat transformovaná data a ve výchozím nastavení se vrátí důležitost transformovaných dat. V obou případech je možné výstup zadat nastavením get_raw explicitně na Hodnotu True nebo False v vysvětlující metodě vysvětlení .

Inicializuje bodovacíExplainer.

Pokud byly transformace předány v original_explainer, tyto transformace se přenesou do vysvětlujícího modulu pro vyhodnocování, budou očekávány nezpracovaná data a ve výchozím nastavení se pro nezpracované funkce vrátí důležitost. Pokud se sem předáte feature_maps (není určeno k použití ve stejnou dobu jako transformace), bude vysvětlující proces očekávat transformovaná data a ve výchozím nastavení se vrátí důležitost transformovaných dat. V obou případech je možné výstup zadat nastavením get_raw explicitně na Hodnotu True nebo False v vysvětlující metodě vysvětlení .

Konstruktor

ScoringExplainer(original_explainer, feature_maps=None, raw_features=None, engineered_features=None, **kwargs)

Parametry

Name	Description
original_explainer Vyžadováno	<xref:interpret_community.common.base_explainer.BaseExplainer> Vysvětlení trénovacího času původně používalo k vysvětlení modelu.
feature_maps	list[ndarray] nebo list[csr_matrix] Seznam map funkcí z nezpracované na vygenerovanou funkci Seznam může být numpy matice nebo řídké matice, kde každá položka pole (raw_index, generated_index) je váha každého nezpracovaného páru vygenerovaných funkcí. Ostatní položky jsou nastaveny na nulu. U posloupnosti transformací [t1, t2, ..., tn] generování vygenerovaných funkcí z nezpracovaných funkcí odpovídá seznam map funkcí nezpracovaným na vygenerované mapy ve stejném pořadí jako t1, t2 atd. Pokud je k dispozici celková nezpracovaná mapa vygenerovaných funkcí z t1 na tn, je možné předat pouze tuto mapu funkcí v jednom seznamu prvků. Default value: None
raw_features	list[str] Volitelný seznam názvů funkcí pro nezpracované funkce, které je možné zadat, pokud původní vysvětlující modul vypočítá vysvětlení pro zpracované funkce. Default value: None
engineered_features	list[str] Volitelný seznam názvůfunkcích Default value: None
original_explainer Vyžadováno	<xref:interpret_community.common.base_explainer.BaseExplainer> Vysvětlení trénovacího času původně používalo k vysvětlení modelu.
feature_maps Vyžadováno	list[ndarray] nebo list[csr_matrix] Seznam map funkcí z nezpracované na vygenerovanou funkci Seznam může být numpy matice nebo řídké matice, kde každá položka pole (raw_index, generated_index) je váha každého nezpracovaného páru vygenerovaných funkcí. Ostatní položky jsou nastaveny na nulu. U posloupnosti transformací [t1, t2, ..., tn] generování vygenerovaných funkcí z nezpracovaných funkcí odpovídá seznam map funkcí nezpracovaným na vygenerované mapy ve stejném pořadí jako t1, t2 atd. Pokud je k dispozici celková nezpracovaná mapa vygenerovaných funkcí z t1 na tn, je možné předat pouze tuto mapu funkcí v jednom seznamu prvků.
raw_features Vyžadováno	list[str] Volitelný seznam názvů funkcí pro nezpracované funkce, které je možné zadat, pokud původní vysvětlující modul vypočítá vysvětlení pro zpracované funkce.
engineered_features Vyžadováno	list[str] Volitelný seznam názvůfunkcích

Metody

explain	K odhadu důležitosti funkcí dat použijte model pro bodování.
fit	Implementujte fiktivní metodu potřebnou pro přizpůsobení rozhraní kanálu scikit-learn.
predict	Pomocí TreeExplainer a stromového modelu pro bodování získejte hodnoty důležitosti funkcí dat. Zabalí funkci .explain().

explain

K odhadu důležitosti funkcí dat použijte model pro bodování.

abstract explain(evaluation_examples, get_raw)

Parametry

Name	Description
evaluation_examples Vyžadováno	array nebo DataFrame nebo csr_matrix Matice příkladů vektorů funkcí (# příklady x # funkcí), na kterých je vysvětlen výstup modelu.
get_raw Vyžadováno	bool Pokud je hodnota True, vrátí se hodnoty důležitosti pro nezpracované funkce. Pokud je false, vrátí se hodnoty důležitosti pro vypracované funkce. Pokud byly do původního vysvětlujíče předány nezadané a transformace, vrátí se nezpracované hodnoty důležitosti. Pokud nebyl zadán a feature_maps byl předán do vysvětlujícího vysvětlení skóre, vrátí se hodnoty důležitosti inženýrů.

Návraty

Typ	Description
list	Pro model s jedním výstupem, jako je regrese, tato metoda vrátí matici hodnot důležitosti funkcí. U modelů s vektorovými výstupy tato funkce vrátí seznam takových matic, jeden pro každý výstup. Dimenze této matice je (# příklady x # funkcí).

fit

Implementujte fiktivní metodu potřebnou pro přizpůsobení rozhraní kanálu scikit-learn.

fit(X, y=None)

Parametry

Name	Description
X Vyžadováno	Trénovací data.
y	Cíle trénování. Default value: None

predict

Pomocí TreeExplainer a stromového modelu pro bodování získejte hodnoty důležitosti funkcí dat.

Zabalí funkci .explain().

predict(evaluation_examples)

Parametry

Name	Description
evaluation_examples Vyžadováno	array nebo DataFrame nebo csr_matrix Matice příkladů vektorů funkcí (# příklady x # funkcí), na kterých je vysvětlen výstup modelu.

Návraty

Typ	Description
list	Pro model s jedním výstupem, jako je regrese, vrátí matice hodnot důležitosti funkcí. U modelů s vektorovými výstupy tato funkce vrátí seznam takových matic, jeden pro každý výstup. Dimenze této matice je (# příklady x # funkcí).

Atributy

engineered_features

Získejte názvy navržených funkcí odpovídající parametru get_raw=False při volání vysvětlení.

Pokud měl původní vysvětlující stroj transformace, musí být technické funkce předány konstruktoru vysvětlujícího vyhodnocení pomocí parametru engineered_features. V opačném případě, pokud byly mapy funkcí předány vysvětlující funkci, budou funkce navrženy stejně jako funkce.

Návraty

Typ	Description
list[str], None	Názvy vytvořených funkcí nebo Žádné, pokud žádný uživatel nedal.

features

Získejte názvy funkcí.

Vrátí výchozí názvy funkcí, pokud get_raw není zadán při volání vysvětlení.

Návraty

Typ	Description
list[str], None	Názvy funkcí nebo Žádné, pokud žádný uživatel nedal.

raw_features

Získejte nezpracované názvy funkcí odpovídající get_raw=True parametru při volání vysvětlení.

Pokud původní vysvětlující prvek nepředá transformace a feature_maps byly předány do vysvětlujícího modulu pro vyhodnocování, musí být názvy nezpracovaných funkcí předány do konstruktoru vysvětlujícího modulu vyhodnocování pomocí parametru raw_features. Jinak se nezpracované funkce budou shodovat s funkcemi.

Návraty

Typ	Description
list[str], None	Nezpracované názvy funkcí nebo Žádné, pokud žádný uživatel nedal.