scoring_explainer Pakiet

Definiuje modele oceniania na potrzeby zbliżania wartości ważności funkcji.

Klasy

DeepScoringExplainer	Definiuje model oceniania oparty na programie DeepExplainer. Jeśli oryginalny objaśnienie używał algorytmu SHAP DeepExplainer i nie przekazano żadnych danych inicjalizacji, rdzeń oryginalnego objaśnienia zostanie ponownie użyty. Jeśli oryginalny element wyjaśniający użył innej metody lub nowych danych inicjalizacji został przekazany w obszarze initialization_examples, zostanie utworzony nowy objaśnienie. Jeśli przekształcenia zostały przekazane w original_explainer, te przekształcenia zostaną przeniesione do objaśnienia oceniania, będzie oczekiwać danych pierwotnych, a domyślnie ważność zostanie zwrócona dla nieprzetworzonych funkcji. Jeśli feature_maps są przekazywane w tym miejscu (NIE przeznaczone do użycia w tym samym czasie co przekształcenia), objaśnienie będzie oczekiwać przekształconych danych, a domyślnie ważność zostanie zwrócona dla przekształconych danych. W obu przypadkach dane wyjściowe można określić, ustawiając jawnie get_raw na wartość Prawda lub Fałsz w metodzie wyjaśnień . Zainicjuj element DeepScoringExplainer. Jeśli oryginalny objaśnienie używał algorytmu SHAP DeepExplainer i nie przekazano żadnych danych inicjalizacji, rdzeń oryginalnego objaśnienia zostanie ponownie użyty. Jeśli oryginalny element wyjaśniający użył innej metody lub nowych danych inicjalizacji został przekazany w obszarze initialization_examples, zostanie utworzony nowy objaśnienie. Jeśli przekształcenia zostały przekazane w original_explainer, te przekształcenia zostaną przeniesione do objaśnienia oceniania, będzie oczekiwać danych pierwotnych, a domyślnie ważność zostanie zwrócona dla nieprzetworzonych funkcji. Jeśli feature_maps są przekazywane w tym miejscu (NIE przeznaczone do użycia w tym samym czasie co przekształcenia), objaśnienie będzie oczekiwać przekształconych danych, a domyślnie ważność zostanie zwrócona dla przekształconych danych. W obu przypadkach dane wyjściowe można określić, ustawiając jawnie get_raw na wartość Prawda lub Fałsz w metodzie wyjaśnień .
KernelScoringExplainer	Definiuje model oceniania oparty na kernelExplainer. Jeśli oryginalny objaśnienie używało jądra SHAPExplainer i nie przekazano żadnych danych inicjalizacji, rdzeń oryginalnego objaśnienia zostanie ponownie użyty. Jeśli oryginalny element wyjaśniający użył innej metody lub nowych danych inicjalizacji został przekazany w obszarze initialization_examples, zostanie utworzony nowy objaśnienie. Jeśli przekształcenia zostały przekazane w original_explainer, te przekształcenia zostaną przeniesione do objaśnienia oceniania, będzie oczekiwać danych pierwotnych, a domyślnie ważność zostanie zwrócona dla nieprzetworzonych funkcji. Jeśli feature_maps są przekazywane w tym miejscu (NIE przeznaczone do użycia w tym samym czasie co przekształcenia), objaśnienie będzie oczekiwać przekształconych danych, a domyślnie ważność zostanie zwrócona dla przekształconych danych. W obu przypadkach dane wyjściowe można określić, ustawiając jawnie get_raw na wartość Prawda lub Fałsz w metodzie wyjaśnień . Zainicjuj jądroKorowanieExplainer. Jeśli oryginalny objaśnienie używało jądra SHAPExplainer i nie przekazano żadnych danych inicjalizacji, rdzeń oryginalnego objaśnienia zostanie ponownie użyty. Jeśli oryginalny element wyjaśniający użył innej metody lub nowych danych inicjalizacji został przekazany w obszarze initialization_examples, zostanie utworzony nowy objaśnienie. Jeśli przekształcenia zostały przekazane w original_explainer, te przekształcenia zostaną przeniesione do objaśnienia oceniania, będzie oczekiwać danych pierwotnych, a domyślnie ważność zostanie zwrócona dla nieprzetworzonych funkcji. Jeśli feature_maps są przekazywane w tym miejscu (NIE przeznaczone do użycia w tym samym czasie co przekształcenia), objaśnienie będzie oczekiwać przekształconych danych, a domyślnie ważność zostanie zwrócona dla przekształconych danych. W obu przypadkach dane wyjściowe można określić, ustawiając jawnie get_raw na wartość Prawda lub Fałsz w metodzie wyjaśnień .
LinearScoringExplainer	Definiuje model oceniania na podstawie elementu LinearExplainer. Jeśli oryginalny objaśniacz używał funkcji SHAP LinearExplainer i nie przekazano żadnych danych inicjalizacji, rdzeń oryginalnego objaśnienia zostanie ponownie użyty. Jeśli oryginalny element wyjaśniający użył innej metody lub nowych danych inicjalizacji został przekazany w obszarze initialization_examples, zostanie utworzony nowy objaśnienie. Jeśli przekształcenia zostały przekazane w original_explainer, te przekształcenia zostaną przeniesione do objaśnienia oceniania, będzie oczekiwać danych pierwotnych, a domyślnie ważność zostanie zwrócona dla nieprzetworzonych funkcji. Jeśli feature_maps są przekazywane w tym miejscu (NIE przeznaczone do użycia w tym samym czasie co przekształcenia), objaśnienie będzie oczekiwać przekształconych danych, a domyślnie ważność zostanie zwrócona dla przekształconych danych. W obu przypadkach dane wyjściowe można określić, ustawiając jawnie get_raw na wartość Prawda lub Fałsz w metodzie wyjaśnień . Zainicjuj element LinearScoringExplainer. Jeśli oryginalny objaśniacz używał funkcji SHAP LinearExplainer i nie przekazano żadnych danych inicjalizacji, rdzeń oryginalnego objaśnienia zostanie ponownie użyty. Jeśli oryginalny element wyjaśniający użył innej metody lub nowych danych inicjalizacji został przekazany w obszarze initialization_examples, zostanie utworzony nowy objaśnienie. Jeśli przekształcenia zostały przekazane w original_explainer, te przekształcenia zostaną przeniesione do objaśnienia oceniania, będzie oczekiwać danych pierwotnych, a domyślnie ważność zostanie zwrócona dla nieprzetworzonych funkcji. Jeśli feature_maps są przekazywane w tym miejscu (NIE przeznaczone do użycia w tym samym czasie co przekształcenia), objaśnienie będzie oczekiwać przekształconych danych, a domyślnie ważność zostanie zwrócona dla przekształconych danych. W obu przypadkach dane wyjściowe można określić, ustawiając jawnie get_raw na wartość Prawda lub Fałsz w metodzie wyjaśnień .
ScoringExplainer	Definiuje model oceniania. Jeśli przekształcenia zostały przekazane w original_explainer, te przekształcenia zostaną przeniesione do objaśnienia oceniania, będzie oczekiwać danych pierwotnych, a domyślnie ważność zostanie zwrócona dla nieprzetworzonych funkcji. Jeśli feature_maps są przekazywane w tym miejscu (NIE przeznaczone do użycia w tym samym czasie co przekształcenia), objaśnienie będzie oczekiwać przekształconych danych, a domyślnie ważność zostanie zwrócona dla przekształconych danych. W obu przypadkach dane wyjściowe można określić, ustawiając jawnie get_raw na wartość Prawda lub Fałsz w metodzie wyjaśnień . Zainicjuj element ScoringExplainer. Jeśli przekształcenia zostały przekazane w original_explainer, te przekształcenia zostaną przeniesione do objaśnienia oceniania, będzie oczekiwać danych pierwotnych, a domyślnie ważność zostanie zwrócona dla nieprzetworzonych funkcji. Jeśli feature_maps są przekazywane w tym miejscu (NIE przeznaczone do użycia w tym samym czasie co przekształcenia), objaśnienie będzie oczekiwać przekształconych danych, a domyślnie ważność zostanie zwrócona dla przekształconych danych. W obu przypadkach dane wyjściowe można określić, ustawiając jawnie get_raw na wartość Prawda lub Fałsz w metodzie wyjaśnień .
TreeScoringExplainer	Definiuje model oceniania oparty na treeExplainer. Jeśli oryginalny objaśnienie używało narzędzia SHAP TreeExplainer, rdzeń oryginalnego objaśnienia zostanie ponownie użyty. Jeśli oryginalny objaśnienie użył innej metody, zostanie utworzony nowy objaśnienie. Jeśli przekształcenia zostały przekazane w original_explainer, te przekształcenia zostaną przeniesione do objaśnienia oceniania, będzie oczekiwać danych pierwotnych, a domyślnie ważność zostanie zwrócona dla nieprzetworzonych funkcji. Jeśli feature_maps są przekazywane w tym miejscu (NIE przeznaczone do użycia w tym samym czasie co przekształcenia), objaśnienie będzie oczekiwać przekształconych danych, a domyślnie ważność zostanie zwrócona dla przekształconych danych. W obu przypadkach dane wyjściowe można określić, ustawiając jawnie get_raw na wartość Prawda lub Fałsz w metodzie wyjaśnień . Zainicjuj element TreeScoringExplainer. Jeśli oryginalny objaśnienie używało narzędzia SHAP TreeExplainer, rdzeń oryginalnego objaśnienia zostanie ponownie użyty. Jeśli oryginalny objaśnienie użył innej metody, zostanie utworzony nowy objaśnienie. Jeśli przekształcenia zostały przekazane w original_explainer, te przekształcenia zostaną przeniesione do objaśnienia oceniania, będzie oczekiwać danych pierwotnych, a domyślnie ważność zostanie zwrócona dla nieprzetworzonych funkcji. Jeśli feature_maps są przekazywane w tym miejscu (NIE przeznaczone do użycia w tym samym czasie co przekształcenia), objaśnienie będzie oczekiwać przekształconych danych, a domyślnie ważność zostanie zwrócona dla przekształconych danych. W obu przypadkach dane wyjściowe można określić, ustawiając jawnie get_raw na wartość Prawda lub Fałsz w metodzie wyjaśnień .

Funkcje

load

Załaduj objaśnienie oceniania z dysku.

load(directory)

Parametry

Nazwa	Opis
directory Wymagane	str Katalog, w którym jest przechowywany serializowany objaśnienie. Przyjęto założenie, że plik scoring_explainer.pkl jest dostępny na najwyższym poziomie katalogu.

Zwraca

Typ	Opis
ScoringExplainer	Objaśnienie oceniania z wyjaśnienia załadowanego z dysku.

save

Zapisz objaśnienie oceniania na dysku.

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

Parametry

Nazwa	Opis
scoring_explainer Wymagane	Obiekt objaśniający oceniania, który ma zostać zapisany. Objaśnienie zostanie zapisane w katalogu [directory]/scoring_explainer.pkl.
directory	str Katalog, w którym powinien być przechowywany serializowany objaśnienie. Jeśli katalog nie istnieje, zostanie utworzony. Domyślna wartość: .
exist_ok	bool Jeśli wartość False (stan domyślny), zostanie wyświetlone ostrzeżenie, jeśli podany katalog już istnieje. Jeśli wartość True, będzie używany bieżący katalog, a wszelkie nakładające się treści zostaną zastąpione. Domyślna wartość: False

Zwraca

Typ	Opis
str	Ścieżka do pliku selektora punktacji.