LinearScoringExplainer Klass
Definierar en bedömningsmodell baserat på LinearExplainer.
Om den ursprungliga förklaringen använde en SHAP LinearExplainer och inga initieringsdata skickades, återanvänds kärnan i den ursprungliga förklaringen. Om den ursprungliga förklaringen använde en annan metod eller om nya initieringsdata skickades under initialization_examples skapas en ny förklaring.
Om transformeringar skickas in på original_explainer överförs dessa transformeringar till bedömningsförklararen, rådata förväntas och som standard returneras prioriteter för rådatafunktioner. Om feature_maps skickas in här (INTE avsett att användas samtidigt som transformeringar) förväntas transformerade data och som standard returneras prioriteter för transformerade data. I båda fallen kan utdata anges genom att ange get_raw uttryckligen till Sant eller Falskt för förklaringsmetoden .
Initiera LinearScoringExplainer.
Om den ursprungliga förklaringen använde en SHAP LinearExplainer och inga initieringsdata skickades, återanvänds kärnan i den ursprungliga förklaringen. Om den ursprungliga förklaringen använde en annan metod eller om nya initieringsdata skickades under initialization_examples skapas en ny förklaring.
Om transformeringar skickas in på original_explainer överförs dessa transformeringar till bedömningsförklararen, rådata förväntas och som standard returneras prioriteter för rådatafunktioner. Om feature_maps skickas in här (INTE avsett att användas samtidigt som transformeringar) förväntas transformerade data och som standard returneras prioriteter för transformerade data. I båda fallen kan utdata anges genom att ange get_raw uttryckligen till Sant eller Falskt för förklaringsmetoden .
- Arv
-
azureml.interpret.scoring.scoring_explainer._scoring_explainer.ScoringExplainerLinearScoringExplainer
Konstruktor
LinearScoringExplainer(original_explainer, initialization_examples=None, **kwargs)
Parametrar
- original_explainer
- <xref:interpret_community.common.base_explainer.BaseExplainer>
Träningstidsförklaringen användes ursprungligen för att förklara den linjära modellen.
- initialization_examples
- array eller DataFrame eller csr_matrix
En matris med exempel på funktionsvektorer (# exempel x # funktioner) för att initiera förklaringen.
- feature_maps
- list[ndarray] eller list[csr_matrix]
En lista över funktionsmappningar från rå till genererad funktion. Listan kan vara numpy-matriser eller glesa matriser där varje matrispost (raw_index, generated_index) är vikten för varje obearbetat, genererat funktionspar. De andra posterna är inställda på noll. För en sekvens med transformeringar [t1, t2, ..., tn] som genererar genererade funktioner från råa funktioner motsvarar listan över funktionskartor den råa till genererade kartor i samma ordning som t1, t2 osv. Om den övergripande råa till den genererade funktionskartan från t1 till tn är tillgänglig, kan bara den funktionskartan i en enda elementlista skickas.
Valfri lista över funktionsnamn för de råa funktioner som kan anges om den ursprungliga förklaringen beräknar förklaringen av de konstruerade funktionerna.
Valfri lista över funktionsnamn för de konstruerade funktionerna som kan anges om den ursprungliga förklaringen har transformeringar skickade och endast beräknar vikten av råfunktionerna.
- original_explainer
- <xref:interpret_community.common.base_explainer.BaseExplainer>
Träningstidsförklaringen användes ursprungligen för att förklara den linjära modellen.
- initialization_examples
- array eller DataFrame eller csr_matrix
En matris med exempel på funktionsvektorer (# exempel x # funktioner) för att initiera förklaringen.
- feature_maps
- list[ndarray] eller list[csr_matrix]
En lista över funktionsmappningar från rå till genererad funktion. Listan kan vara numpy-matriser eller glesa matriser där varje matrispost (raw_index, generated_index) är vikten för varje obearbetat, genererat funktionspar. De andra posterna är inställda på noll. För en sekvens med transformeringar [t1, t2, ..., tn] som genererar genererade funktioner från råa funktioner motsvarar listan över funktionskartor den råa till genererade kartor i samma ordning som t1, t2 osv. Om den övergripande råa till den genererade funktionskartan från t1 till tn är tillgänglig, kan bara den funktionskartan i en enda elementlista skickas.
Valfri lista över funktionsnamn för de råa funktioner som kan anges om den ursprungliga förklaringen beräknar förklaringen av de konstruerade funktionerna.
Valfri lista över funktionsnamn för de konstruerade funktionerna som kan anges om den ursprungliga förklaringen har transformeringar skickade och endast beräknar vikten av råfunktionerna.
Metoder
explain |
Använd LinearExplainer för bedömning för att hämta viktiga funktionsvärden för data. |
explain
Använd LinearExplainer för bedömning för att hämta viktiga funktionsvärden för data.
explain(evaluation_examples, get_raw=None)
Parametrar
- evaluation_examples
- array eller DataFrame eller csr_matrix
En matris med exempel på funktionsvektorer (# exempel x # funktioner) som du kan förklara modellens utdata på.
- get_raw
- bool
Om värdet är Sant returneras prioritetsvärden för råfunktioner. Om värdet är Falskt returneras prioritetsvärden för konstruerade funktioner. Om ospecificerade och transformeringar skickades till den ursprungliga förklaringen returneras råa prioritetsvärden. Om ospecificerade och feature_maps skickades in i bedömningsförklararen returneras konstruerade betydelser.
Returer
För en modell med en enda utdata, till exempel regression, returnerar detta en matris med viktiga värden för funktionen. För modeller med vektorutdata returnerar den här funktionen en lista över sådana matriser, en för varje utdata. Dimensionen för den här matrisen är (# exempel x # funktioner).
Returtyp
Feedback
https://aka.ms/ContentUserFeedback.
Kommer snart: Under hela 2024 kommer vi att fasa ut GitHub-problem som feedbackmekanism för innehåll och ersätta det med ett nytt feedbacksystem. Mer information finns i:Skicka och visa feedback för