scoring_explainer 패키지

기능 중요도 값을 근사화하기 위한 채점 모델을 정의합니다.

클래스

DeepScoringExplainer	DeepExplainer를 기반으로 하는 채점 모델을 정의합니다. 원래 설명자가 SHAP DeepExplainer를 사용하고 초기화 데이터가 전달되지 않은 경우 원래 설명자의 핵심이 재사용됩니다. 원래 설명자가 다른 메서드를 사용했거나 새 초기화 데이터가 initialization_examples에 전달된 경우 새 설명자가 만들어집니다. transformations가 original_explainer에 전달된 경우 해당 변환은 채점 설명자에게 전달되고 원시 데이터를 예상하며 기본적으로 원시 기능에 대한 중요도가 반환됩니다. feature_maps가 여기에 전달되면(transformations와 동시에 사용되지 않음) 설명자는 변환된 데이터를 예상하고 기본적으로 변환된 데이터에 대해 중요도가 반환됩니다. 두 경우 모두 설명자의 explain 메서드에서 get_raw를 명시적으로 True 또는 False로 설정하여 출력을 지정할 수 있습니다. DeepScoringExplainer를 초기화합니다. 원래 설명자가 SHAP DeepExplainer를 사용하고 초기화 데이터가 전달되지 않은 경우 원래 설명자의 핵심이 재사용됩니다. 원래 설명자가 다른 메서드를 사용했거나 새 초기화 데이터가 initialization_examples에 전달된 경우 새 설명자가 만들어집니다. transformations가 original_explainer에 전달된 경우 해당 변환은 채점 설명자에게 전달되고 원시 데이터를 예상하며 기본적으로 원시 기능에 대한 중요도가 반환됩니다. feature_maps가 여기에 전달되면(transformations와 동시에 사용되지 않음) 설명자는 변환된 데이터를 예상하고 기본적으로 변환된 데이터에 대해 중요도가 반환됩니다. 두 경우 모두 설명자의 explain 메서드에서 get_raw를 명시적으로 True 또는 False로 설정하여 출력을 지정할 수 있습니다.
KernelScoringExplainer	KernelExplainer를 기반으로 하는 채점 모델을 정의합니다. 원래 설명자가 SHAP KernelExplainer를 사용하고 초기화 데이터가 전달되지 않은 경우 원래 설명자의 핵심이 재사용됩니다. 원래 설명자가 다른 메서드를 사용했거나 새 초기화 데이터가 initialization_examples에 전달된 경우 새 설명자가 만들어집니다. transformations가 original_explainer에 전달된 경우 해당 변환은 채점 설명자에게 전달되고 원시 데이터를 예상하며 기본적으로 원시 기능에 대한 중요도가 반환됩니다. feature_maps가 여기에 전달되면(transformations와 동시에 사용되지 않음) 설명자는 변환된 데이터를 예상하고 기본적으로 변환된 데이터에 대해 중요도가 반환됩니다. 두 경우 모두 설명자의 explain 메서드에서 get_raw를 명시적으로 True 또는 False로 설정하여 출력을 지정할 수 있습니다. KernelScoringExplainer를 초기화합니다. 원래 설명자가 SHAP KernelExplainer를 사용하고 초기화 데이터가 전달되지 않은 경우 원래 설명자의 핵심이 재사용됩니다. 원래 설명자가 다른 메서드를 사용했거나 새 초기화 데이터가 initialization_examples에 전달된 경우 새 설명자가 만들어집니다. transformations가 original_explainer에 전달된 경우 해당 변환은 채점 설명자에게 전달되고 원시 데이터를 예상하며 기본적으로 원시 기능에 대한 중요도가 반환됩니다. feature_maps가 여기에 전달되면(transformations와 동시에 사용되지 않음) 설명자는 변환된 데이터를 예상하고 기본적으로 변환된 데이터에 대해 중요도가 반환됩니다. 두 경우 모두 설명자의 explain 메서드에서 get_raw를 명시적으로 True 또는 False로 설정하여 출력을 지정할 수 있습니다.
LinearScoringExplainer	LinearExplainer를 기반으로 하는 채점 모델을 정의합니다. 원래 설명자가 SHAP LinearExplainer를 사용하고 초기화 데이터가 전달되지 않은 경우 원래 설명자의 핵심이 재사용됩니다. 원래 설명자가 다른 메서드를 사용했거나 새 초기화 데이터가 initialization_examples에 전달된 경우 새 설명자가 만들어집니다. transformations가 original_explainer에 전달된 경우 해당 변환은 채점 설명자에게 전달되고 원시 데이터를 예상하며 기본적으로 원시 기능에 대한 중요도가 반환됩니다. feature_maps가 여기에 전달되면(transformations와 동시에 사용되지 않음) 설명자는 변환된 데이터를 예상하고 기본적으로 변환된 데이터에 대해 중요도가 반환됩니다. 두 경우 모두 설명자의 explain 메서드에서 get_raw를 명시적으로 True 또는 False로 설정하여 출력을 지정할 수 있습니다. LinearScoringExplainer를 초기화합니다. 원래 설명자가 SHAP LinearExplainer를 사용하고 초기화 데이터가 전달되지 않은 경우 원래 설명자의 핵심이 재사용됩니다. 원래 설명자가 다른 메서드를 사용했거나 새 초기화 데이터가 initialization_examples에 전달된 경우 새 설명자가 만들어집니다. transformations가 original_explainer에 전달된 경우 해당 변환은 채점 설명자에게 전달되고 원시 데이터를 예상하며 기본적으로 원시 기능에 대한 중요도가 반환됩니다. feature_maps가 여기에 전달되면(transformations와 동시에 사용되지 않음) 설명자는 변환된 데이터를 예상하고 기본적으로 변환된 데이터에 대해 중요도가 반환됩니다. 두 경우 모두 설명자의 explain 메서드에서 get_raw를 명시적으로 True 또는 False로 설정하여 출력을 지정할 수 있습니다.
ScoringExplainer	채점 모델을 정의합니다. transformations가 original_explainer에 전달된 경우 해당 변환은 채점 설명자에게 전달되고 원시 데이터를 예상하며 기본적으로 원시 기능에 대한 중요도가 반환됩니다. feature_maps가 여기에 전달되면(transformations와 동시에 사용되지 않음) 설명자는 변환된 데이터를 예상하고 기본적으로 변환된 데이터에 대해 중요도가 반환됩니다. 두 경우 모두 설명자의 explain 메서드에서 get_raw를 명시적으로 True 또는 False로 설정하여 출력을 지정할 수 있습니다. ScoringExplainer를 초기화합니다. transformations가 original_explainer에 전달된 경우 해당 변환은 채점 설명자에게 전달되고 원시 데이터를 예상하며 기본적으로 원시 기능에 대한 중요도가 반환됩니다. feature_maps가 여기에 전달되면(transformations와 동시에 사용되지 않음) 설명자는 변환된 데이터를 예상하고 기본적으로 변환된 데이터에 대해 중요도가 반환됩니다. 두 경우 모두 설명자의 explain 메서드에서 get_raw를 명시적으로 True 또는 False로 설정하여 출력을 지정할 수 있습니다.
TreeScoringExplainer	TreeExplainer를 기반으로 하는 채점 모델을 정의합니다. 원래 설명자가 SHAP TreeExplainer를 사용하고 있었다면 원래 설명자의 핵심이 재사용됩니다. 원래 설명자가 다른 메서드를 사용한 경우 새 설명자가 만들어집니다. transformations가 original_explainer에 전달된 경우 해당 변환은 채점 설명자에게 전달되고 원시 데이터를 예상하며 기본적으로 원시 기능에 대한 중요도가 반환됩니다. feature_maps가 여기에 전달되면(transformations와 동시에 사용되지 않음) 설명자는 변환된 데이터를 예상하고 기본적으로 변환된 데이터에 대해 중요도가 반환됩니다. 두 경우 모두 설명자의 explain 메서드에서 get_raw를 명시적으로 True 또는 False로 설정하여 출력을 지정할 수 있습니다. TreeScoringExplainer를 초기화합니다. 원래 설명자가 SHAP TreeExplainer를 사용하고 있었다면 원래 설명자의 핵심이 재사용됩니다. 원래 설명자가 다른 메서드를 사용한 경우 새 설명자가 만들어집니다. transformations가 original_explainer에 전달된 경우 해당 변환은 채점 설명자에게 전달되고 원시 데이터를 예상하며 기본적으로 원시 기능에 대한 중요도가 반환됩니다. feature_maps가 여기에 전달되면(transformations와 동시에 사용되지 않음) 설명자는 변환된 데이터를 예상하고 기본적으로 변환된 데이터에 대해 중요도가 반환됩니다. 두 경우 모두 설명자의 explain 메서드에서 get_raw를 명시적으로 True 또는 False로 설정하여 출력을 지정할 수 있습니다.

함수

load

디스크에서 채점 설명을 로드합니다.

load(directory)

매개 변수

Name	Description
directory 필수	str 직렬화된 설명자가 저장되는 디렉터리입니다. score_explainer.pkl이 디렉터리의 최상위 수준에서 사용 가능하다고 가정합니다.

반환

형식	Description
ScoringExplainer	디스크에서 로드된 설명의 채점 설명자입니다.

save

채점 설명자를 디스크에 저장합니다.

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

매개 변수

Name	Description
scoring_explainer 필수	저장할 채점 설명자 개체입니다. 설명자는 [디렉터리]/scoring_explainer.pkl에 작성됩니다.
directory	str 직렬화된 설명자가 저장되어야 하는 디렉터리입니다. 디렉터리가 존재하지 않으면 만들어집니다. Default value: .
exist_ok	bool False(기본 상태)인 경우 지정된 디렉터리가 이미 존재하는 경우 경고가 throw됩니다. True인 경우 현재 디렉터리가 사용되고 겹치는 내용을 덮어씁니다. Default value: False

반환

형식	Description
str	채점 설명자 pickle 파일의 경로입니다.