ScoringExplainer Classe
Define um modelo de pontuação.
Se as transformações tiverem sido passadas em original_explainer, essas transformações serão levadas até o explicador de pontuação, elas esperarão dados brutos e, por padrão, serão retornados para recursos brutos. Se feature_maps forem passados aqui (NÃO pretendido para serem usados ao mesmo tempo que as transformações), o explicador esperará dados transformados e, por padrão, as importâncias serão retornadas para dados transformados. Em ambos os casos, a saída pode ser especificada definindo get_raw explicitamente como True ou False no método de explicação do explicador.
Inicialize o ScoreExplainer.
Se as transformações tiverem sido passadas em original_explainer, essas transformações serão levadas até o explicador de pontuação, elas esperarão dados brutos e, por padrão, serão retornados para recursos brutos. Se feature_maps forem passados aqui (NÃO pretendido para serem usados ao mesmo tempo que as transformações), o explicador esperará dados transformados e, por padrão, as importâncias serão retornadas para dados transformados. Em ambos os casos, a saída pode ser especificada definindo get_raw explicitamente como True ou False no método de explicação do explicador.
Construtor
ScoringExplainer(original_explainer, feature_maps=None, raw_features=None, engineered_features=None, **kwargs)Parâmetros
| Nome | Description |
|---|---|
|
original_explainer
Obrigatório
|
<xref:interpret_community.common.base_explainer.BaseExplainer>
O explicador de tempo de treinamento usado originalmente para explicar o modelo. |
|
feature_maps
|
Uma lista de mapas de recursos do recurso bruto para o gerado. A lista pode ser matrizes numéricas ou matrizes esparsas em que cada entrada de matriz (raw_index, generated_index) é o peso de cada par de recursos bruto e gerado. As outras entradas são definidas como zero. Para uma sequência de transformações [t1, t2, ..., tn] gerando recursos gerados de recursos brutos, a lista de mapas de recursos corresponde ao bruto para mapas gerados na mesma ordem que t1, t2, etc. Se o mapa geral de recursos bruto para gerado de t1 para tn estiver disponível, apenas esse mapa de recursos em uma única lista de elementos poderá ser passado. Valor padrão: None
|
|
raw_features
|
Lista opcional de nomes de recursos para os recursos brutos que podem ser especificados se o explicador original calcular a explicação sobre os recursos projetados. Valor padrão: None
|
|
engineered_features
|
Lista opcional de nomes de recursos para os recursos projetados que podem ser especificados se o explicador original tiver transformações passadas e computar apenas as importâncias nos recursos brutos. Valor padrão: None
|
|
original_explainer
Obrigatório
|
<xref:interpret_community.common.base_explainer.BaseExplainer>
O explicador de tempo de treinamento usado originalmente para explicar o modelo. |
|
feature_maps
Obrigatório
|
Uma lista de mapas de recursos do recurso bruto para o gerado. A lista pode ser matrizes numéricas ou matrizes esparsas em que cada entrada de matriz (raw_index, generated_index) é o peso de cada par de recursos bruto e gerado. As outras entradas são definidas como zero. Para uma sequência de transformações [t1, t2, ..., tn] gerando recursos gerados de recursos brutos, a lista de mapas de recursos corresponde ao bruto para mapas gerados na mesma ordem que t1, t2, etc. Se o mapa geral de recursos bruto para gerado de t1 para tn estiver disponível, apenas esse mapa de recursos em uma única lista de elementos poderá ser passado. |
|
raw_features
Obrigatório
|
Lista opcional de nomes de recursos para os recursos brutos que podem ser especificados se o explicador original calcular a explicação sobre os recursos projetados. |
|
engineered_features
Obrigatório
|
Lista opcional de nomes de recursos para os recursos projetados que podem ser especificados se o explicador original tiver transformações passadas e computar apenas as importâncias nos recursos brutos. |
Métodos
| explain |
Use o modelo para pontuar para aproximar os valores de importância do recurso dos dados. |
| fit |
Implementar o método fictício necessário para ajustar a interface de pipeline scikit-learn. |
| predict |
Use o TreeExplainer e o modelo de árvore para pontuar para obter os valores de importância do recurso dos dados. Encapsula a função .explain(). |
explain
Use o modelo para pontuar para aproximar os valores de importância do recurso dos dados.
abstract explain(evaluation_examples, get_raw)Parâmetros
| Nome | Description |
|---|---|
|
evaluation_examples
Obrigatório
|
Uma matriz de exemplos de vetor de recursos (# exemplos x # recursos) nos quais explicar a saída do modelo. |
|
get_raw
Obrigatório
|
Se True, os valores de importância para recursos brutos serão retornados. Se False, os valores de importância para recursos projetados serão retornados. Se não for especificado e as transformações forem passadas para o explicador original, os valores de importância bruta serão retornados. Se não for especificado e feature_maps foi passado para o explicador de pontuação, os valores de importância projetada serão retornados. |
Retornos
| Tipo | Description |
|---|---|
|
Para um modelo com uma única saída, como regressão, esse método retorna uma matriz de valores de importância do recurso. Para modelos com saídas de vetor, essa função retorna uma lista dessas matrizes, uma para cada saída. A dimensão dessa matriz é (# exemplos x # recursos). |
fit
Implementar o método fictício necessário para ajustar a interface de pipeline scikit-learn.
fit(X, y=None)Parâmetros
| Nome | Description |
|---|---|
|
X
Obrigatório
|
Dados de treinamento. |
|
y
|
Destinos de treinamento. Valor padrão: None
|
predict
Use o TreeExplainer e o modelo de árvore para pontuar para obter os valores de importância do recurso dos dados.
Encapsula a função .explain().
predict(evaluation_examples)Parâmetros
| Nome | Description |
|---|---|
|
evaluation_examples
Obrigatório
|
Uma matriz de exemplos de vetor de recursos (# exemplos x # recursos) nos quais explicar a saída do modelo. |
Retornos
| Tipo | Description |
|---|---|
|
Para um modelo com uma única saída, como regressão, isso retorna uma matriz de valores de importância do recurso. Para modelos com saídas de vetor, essa função retorna uma lista dessas matrizes, uma para cada saída. A dimensão dessa matriz é (# exemplos x # recursos). |
Atributos
engineered_features
Obtenha os nomes de recursos projetados correspondentes ao parâmetro get_raw=False na chamada explicada.
Se o explicador original tiver transformações passadas para ele, os recursos projetados precisarão ser passados para o construtor do explicador de pontuação usando o parâmetro engineered_features. Caso contrário, se os mapas de recursos forem passados para o explicador de pontuação, os recursos projetados serão os mesmos que os recursos.
Retornos
| Tipo | Description |
|---|---|
|
Os nomes de recursos projetados ou Nenhum se nenhum tiver sido dado pelo usuário. |
features
raw_features
Obtenha os nomes de recursos brutos correspondentes ao parâmetro get_raw=True na chamada explicada.
Se o explicador original não tiver transformações passadas para ele e feature_maps tiverem sido passados para o explicador de pontuação, os nomes de recursos brutos precisarão ser passados para o construtor do explicador de pontuação usando o parâmetro raw_features. Caso contrário, os recursos brutos serão os mesmos que os recursos.
Retornos
| Tipo | Description |
|---|---|
|
Os nomes de recursos brutos ou Nenhum se nenhum foi dado pelo usuário. |