scoring_explainer Pacchetto

Definisce i modelli di assegnazione dei punteggi per l'approssimazione dei valori di importanza delle funzionalità.

Classi

DeepScoringExplainer	Definisce un modello di assegnazione dei punteggi basato su DeepExplainer. Se lo spiegatore originale usava un oggetto SHAP DeepExplainer e non venivano passati dati di inizializzazione, il core del spiegazione originale verrà riutilizzato. Se il spiegazione originale ha usato un altro metodo o nuovi dati di inizializzazione è stato passato in initialization_examples, verrà creato un nuovo spiegazione. Se le trasformazioni sono state passate in original_explainer, tali trasformazioni verranno eseguite tramite il spiegazione dei punteggi, si prevede che i dati non elaborati vengano restituiti per impostazione predefinita per le funzionalità non elaborate. Se feature_maps vengono passati qui (NON destinati a essere usati allo stesso tempo delle trasformazioni), il spiegatore prevederà la trasformazione dei dati e per impostazione predefinita verranno restituiti per i dati trasformati. In entrambi i casi, l'output può essere specificato impostando get_raw in modo esplicito su True o False nel metodo di spiegazione del spiegante. Inizializzare DeepScoringExplainer. Se lo spiegatore originale usava un oggetto SHAP DeepExplainer e non venivano passati dati di inizializzazione, il core del spiegazione originale verrà riutilizzato. Se il spiegazione originale ha usato un altro metodo o nuovi dati di inizializzazione è stato passato in initialization_examples, verrà creato un nuovo spiegazione. Se le trasformazioni sono state passate in original_explainer, tali trasformazioni verranno eseguite tramite il spiegazione dei punteggi, si prevede che i dati non elaborati vengano restituiti per impostazione predefinita per le funzionalità non elaborate. Se feature_maps vengono passati qui (NON destinati a essere usati allo stesso tempo delle trasformazioni), il spiegatore prevederà la trasformazione dei dati e per impostazione predefinita verranno restituiti per i dati trasformati. In entrambi i casi, l'output può essere specificato impostando get_raw in modo esplicito su True o False nel metodo di spiegazione del spiegante.
KernelScoringExplainer	Definisce un modello di assegnazione dei punteggi basato su KernelExplainer. Se il spiegazione originale usava un kernel SHAPExplainer e non sono stati passati dati di inizializzazione, il core del spiegazione originale verrà riutilizzato. Se il spiegazione originale ha usato un altro metodo o nuovi dati di inizializzazione è stato passato in initialization_examples, verrà creato un nuovo spiegazione. Se le trasformazioni sono state passate in original_explainer, tali trasformazioni verranno eseguite tramite il spiegazione dei punteggi, si prevede che i dati non elaborati vengano restituiti per impostazione predefinita per le funzionalità non elaborate. Se feature_maps vengono passati qui (NON destinati a essere usati allo stesso tempo delle trasformazioni), il spiegatore prevederà la trasformazione dei dati e per impostazione predefinita verranno restituiti per i dati trasformati. In entrambi i casi, l'output può essere specificato impostando get_raw in modo esplicito su True o False nel metodo di spiegazione del spiegante. Inizializzare kernelScoringExplainer. Se il spiegazione originale usava un kernel SHAPExplainer e non sono stati passati dati di inizializzazione, il core del spiegazione originale verrà riutilizzato. Se il spiegazione originale ha usato un altro metodo o nuovi dati di inizializzazione è stato passato in initialization_examples, verrà creato un nuovo spiegazione. Se le trasformazioni sono state passate in original_explainer, tali trasformazioni verranno eseguite tramite il spiegazione dei punteggi, si prevede che i dati non elaborati vengano restituiti per impostazione predefinita per le funzionalità non elaborate. Se feature_maps vengono passati qui (NON destinati a essere usati allo stesso tempo delle trasformazioni), il spiegatore prevederà la trasformazione dei dati e per impostazione predefinita verranno restituiti per i dati trasformati. In entrambi i casi, l'output può essere specificato impostando get_raw in modo esplicito su True o False nel metodo di spiegazione del spiegante.
LinearScoringExplainer	Definisce un modello di assegnazione dei punteggi basato su LinearExplainer. Se lo spiegatore originale usava uno SHAP LinearExplainer e non venivano passati dati di inizializzazione, il core del spiegazione originale verrà riutilizzato. Se il spiegazione originale ha usato un altro metodo o nuovi dati di inizializzazione è stato passato in initialization_examples, verrà creato un nuovo spiegazione. Se le trasformazioni sono state passate in original_explainer, tali trasformazioni verranno eseguite tramite il spiegazione dei punteggi, si prevede che i dati non elaborati vengano restituiti per impostazione predefinita per le funzionalità non elaborate. Se feature_maps vengono passati qui (NON destinati a essere usati allo stesso tempo delle trasformazioni), il spiegatore prevederà la trasformazione dei dati e per impostazione predefinita verranno restituiti per i dati trasformati. In entrambi i casi, l'output può essere specificato impostando get_raw in modo esplicito su True o False nel metodo di spiegazione del spiegante. Inizializzare LinearScoringExplainer. Se lo spiegatore originale usava uno SHAP LinearExplainer e non venivano passati dati di inizializzazione, il core del spiegazione originale verrà riutilizzato. Se il spiegazione originale ha usato un altro metodo o nuovi dati di inizializzazione è stato passato in initialization_examples, verrà creato un nuovo spiegazione. Se le trasformazioni sono state passate in original_explainer, tali trasformazioni verranno eseguite tramite il spiegazione dei punteggi, si prevede che i dati non elaborati vengano restituiti per impostazione predefinita per le funzionalità non elaborate. Se feature_maps vengono passati qui (NON destinati a essere usati allo stesso tempo delle trasformazioni), il spiegatore prevederà la trasformazione dei dati e per impostazione predefinita verranno restituiti per i dati trasformati. In entrambi i casi, l'output può essere specificato impostando get_raw in modo esplicito su True o False nel metodo di spiegazione del spiegante.
ScoringExplainer	Definisce un modello di assegnazione dei punteggi. Se le trasformazioni sono state passate in original_explainer, tali trasformazioni verranno eseguite tramite il spiegazione dei punteggi, si prevede che i dati non elaborati vengano restituiti per impostazione predefinita per le funzionalità non elaborate. Se feature_maps vengono passati qui (NON destinati a essere usati contemporaneamente alle trasformazioni), il spiegante prevede che i dati trasformati vengano restituiti per impostazione predefinita per i dati trasformati. In entrambi i casi, l'output può essere specificato impostando get_raw in modo esplicito su True o False nel metodo di spiegazione del spiegante. Inizializzare l'oggetto ScoringExplainer. Se le trasformazioni sono state passate in original_explainer, tali trasformazioni verranno eseguite tramite il spiegazione dei punteggi, si prevede che i dati non elaborati vengano restituiti per impostazione predefinita per le funzionalità non elaborate. Se feature_maps vengono passati qui (NON destinati a essere usati contemporaneamente alle trasformazioni), il spiegante prevede che i dati trasformati vengano restituiti per impostazione predefinita per i dati trasformati. In entrambi i casi, l'output può essere specificato impostando get_raw in modo esplicito su True o False nel metodo di spiegazione del spiegante.
TreeScoringExplainer	Definisce un modello di assegnazione dei punteggi basato su TreeExplainer. Se il spiegazione originale usava un oggetto SHAP TreeExplainer, il core dello spiegatore originale verrà riutilizzato. Se il spiegazione originale ha usato un altro metodo, verrà creato un nuovo spiegazione. Se le trasformazioni sono state passate in original_explainer, tali trasformazioni verranno eseguite tramite il spiegazione dei punteggi, si prevede che i dati non elaborati vengano restituiti per impostazione predefinita per le funzionalità non elaborate. Se feature_maps vengono passati qui (NON destinati a essere usati allo stesso tempo delle trasformazioni), il spiegatore prevederà la trasformazione dei dati e per impostazione predefinita verranno restituiti per i dati trasformati. In entrambi i casi, l'output può essere specificato impostando get_raw in modo esplicito su True o False nel metodo di spiegazione del spiegante. Inizializzare treeScoringExplainer. Se il spiegazione originale usava un oggetto SHAP TreeExplainer, il core dello spiegatore originale verrà riutilizzato. Se il spiegazione originale ha usato un altro metodo, verrà creato un nuovo spiegazione. Se le trasformazioni sono state passate in original_explainer, tali trasformazioni verranno eseguite tramite il spiegazione dei punteggi, si prevede che i dati non elaborati vengano restituiti per impostazione predefinita per le funzionalità non elaborate. Se feature_maps vengono passati qui (NON destinati a essere usati allo stesso tempo delle trasformazioni), il spiegatore prevederà la trasformazione dei dati e per impostazione predefinita verranno restituiti per i dati trasformati. In entrambi i casi, l'output può essere specificato impostando get_raw in modo esplicito su True o False nel metodo di spiegazione del spiegante.

Funzioni

load

Caricare l'indicatore di assegnazione dei punteggi dal disco.

load(directory)

Parametri

Nome	Descrizione
directory Necessario	str Directory in cui viene archiviato il spiegazione serializzato. Si supponga che scoring_explainer.pkl sia disponibile al livello superiore della directory.

Restituisce

Tipo	Descrizione
ScoringExplainer	Spiegazione dei punteggi da una spiegazione, caricata dal disco.

save

Salvare l'indicatore di assegnazione dei punteggi su disco.

save(scoring_explainer, directory='.', exist_ok=False)

Parametri

Nome	Descrizione
scoring_explainer Necessario	Oggetto di spiegazione dei punteggi che deve essere salvato. Il descrittore verrà scritto in [directory]/scoring_explainer.pkl.
directory	str Directory in cui deve essere archiviato il spiegazione serializzato. Se la directory non esiste, verrà creata. Valore predefinito: .
exist_ok	bool Se False (stato predefinito), verrà generato un avviso se la directory specificata esiste già. Se True, la directory corrente verrà usata e tutti i contenuti sovrapposti verranno sovrascritti. Valore predefinito: False

Restituisce

Tipo	Descrizione
str	Percorso del file di selezione del punteggio.