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心。 透過此套件，您可以在原始和工程功能上取得 Blackbox 和 whitebox 模型的功能和類別重要性。 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，以及處理真實世界數據集和工作流程的其他可解譯技術和公用程式函式。 解譯社群 SDK 會裝載 Azure Machine Learning SDK 支援的解釋器，例如 SHAP 解釋器、模擬解釋器、表格式說明器等。

此封裝中的索引鍵類別是 MimicWrapper 類別，其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	定義可解釋性的模型概念。
scoring	用於在評分時間執行輕量型說明器的模組。

單元

mimic_wrapper

定義將機器學習可解譯性包裝成單一 API 的功能。

類別

ExplanationClient	定義上傳和下載說明的用戶端。 建立用來與說明互動並執行歷程記錄的用戶端。
MimicWrapper	包裝函式解釋器，可減少使用 explain 模型套件所需的函數調用數目。 初始化 MimicWrapper。 接受<< 2d ndarray :p aram explainable_model：用來解釋黑箱模型的未初始化代理模型。 也稱為學生模型。