interpret 套件

包含在 Azure Machine Learning 中使用模型可解譯性的功能。

您可以使用模型可解譯性來說明模型為何進行預測，並協助建立模型的信賴度。 透過此套件，您可以針對原始和工程的功能，取得 blackbox 和 whitebox 模型的特色和類別重要性。 如需詳細資訊，請參閱 Azure Machine Learning 中的模型可解譯性一文。

此套件使用解譯社群 SDK中開發的可解譯性技術，這是一個開放原始碼 Python 套件，用於定型可解譯的模型，並協助說明 Blackbox 系統，以及額外的可解釋性技術和公用程式函式來處理真實世界的資料集和工作流程。 解譯社群 SDK 會裝載 Azure Machine Learning SDK 支援的解譯器，例如 SHAP 解譯器、模擬解譯器、表格式解譯器等等。

此封裝中的索引鍵類別是 MimicWrapper 類別，可提供包裝函式，以減少使用解譯模型封裝所需的函式呼叫數目。

套件

common	包含 Azure Machine Learning 中模型說明的通用基礎結構、類別階層和公用程式。
model	定義可解譯性的模型概念。
scoring	模組，可在評分時執行輕量型解譯器。

單元

mimic_wrapper

定義將機器學習解譯性包裝成單一 API 的功能。

類別

ExplanationClient	定義上傳和下載說明的用戶端。 建立用來與說明和執行歷程記錄互動的用戶端。
MimicWrapper	包裝函式解譯器，可減少使用 explain 模型套件所需的函式呼叫數目。 初始化 MimicWrapper。 ' << that 接受 2d ndarray :p aram explainable_model：用來說明黑箱模型的未初始化 Surrogate 模型。 也稱為學生模型。