今天給大家分享一個(gè)超強(qiáng)的 python 庫，interpret

https://github.com/interpretml/interpret    

interpret 是一個(gè)開源的 Python 庫，將最先進(jìn)的機(jī)器學(xué)習(xí)可解釋性技術(shù)整合到了一起。使用此軟件包，你可以訓(xùn)練可解釋的玻璃盒模型并解釋黑盒系統(tǒng)。它可幫助你了解模型的全局行為，或了解各個(gè)預(yù)測(cè)背后的原因。

此外，interpret 有一個(gè)內(nèi)置的可視化平臺(tái)，允許用戶輕松比較不同的方法。

特點(diǎn)

interpret 提供了廣泛的功能，使其有別于其他模型解釋庫。

• 支持多種模型類型：Interpret 提供各種模型類型的解釋技術(shù)，包括線性模型、決策樹、集成方法和深度學(xué)習(xí)模型。

• 與模型無關(guān)和特定于模型的方法：該庫提供了可應(yīng)用于任何模型的與模型無關(guān)的方法，以及針對(duì)特定模型類型定制的特定于模型的方法。

• 可視化工具：Interpret 包含各種可視化工具，可幫助用戶更好地理解解釋技術(shù)的結(jié)果。

• 易于使用：該庫的設(shè)計(jì)考慮到簡單性，確保用戶可以輕松地將其集成到現(xiàn)有的機(jī)器學(xué)習(xí)工作流程中。

庫的安裝

我們可以直接使用 pip 進(jìn)行安裝。

pip install interpret

加載數(shù)據(jù)集

這里我們使用的是 sklearn 中自帶的糖尿病數(shù)據(jù)集。

import numpy as np
import pandas as pd
from sklearn.datasets import load_diabetes
from sklearn.model_selection import train_test_split
from interpret import show
from interpret.perf import RegressionPerf

X, y = load_diabetes(return_X_y=True, as_frame=True)

seed = 42
np.random.seed(seed)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.20, random_state=seed)

訓(xùn)練一個(gè)模型

讓我們訓(xùn)練一個(gè) Explainable Boosting Machine 模型，它是一個(gè)可解釋的梯度模型。

from interpret.glassbox import ExplainableBoostingRegressor, LinearRegression, RegressionTree

ebm = ExplainableBoostingRegressor()
ebm.fit(X_train, y_train)

全局解釋

ebm_global = ebm.explain_global()
show(ebm_global)

局部解釋

ebm_local = ebm.explain_local(X_test[:5], y_test[:5], name='EBM')
show(ebm_local, 0)

以上就是python interpret庫訓(xùn)練模型助力機(jī)器學(xué)習(xí)的詳細(xì)內(nèi)容，更多關(guān)于python interpret訓(xùn)練模型的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！