ScoringExplainer 클래스
점수 매기기 모델을 정의합니다.
변환이original_explainer 전달된 경우 이러한 변환은 점수 매기기 설명자에게 전달되고 원시 데이터가 예상되며 기본적으로 원시 기능에 대한 중요도가 반환됩니다. feature_maps 여기에 전달되는 경우(변환과 동시에 사용할 수 없음) 설명자는 변환된 데이터를 예상하며 기본적으로 변환된 데이터에 대해 중요도가 반환됩니다. 두 경우 모두 설명자의 설명 메서드에서 get_raw 명시적으로 True 또는 False로 설정하여 출력을 지정할 수 있습니다.
ScoringExplainer를 초기화합니다.
변환이original_explainer 전달된 경우 이러한 변환은 점수 매기기 설명자에게 전달되고 원시 데이터가 예상되며 기본적으로 원시 기능에 대한 중요도가 반환됩니다. feature_maps 여기에 전달되는 경우(변환과 동시에 사용할 수 없음) 설명자는 변환된 데이터를 예상하며 기본적으로 변환된 데이터에 대해 중요도가 반환됩니다. 두 경우 모두 설명자의 설명 메서드에서 get_raw 명시적으로 True 또는 False로 설정하여 출력을 지정할 수 있습니다.
생성자
ScoringExplainer(original_explainer, feature_maps=None, raw_features=None, engineered_features=None, **kwargs)매개 변수
| Name | Description |
|---|---|
|
original_explainer
필수
|
<xref:interpret_community.common.base_explainer.BaseExplainer>
원래 모델을 설명하는 데 사용된 학습 시간 설명자입니다. |
|
feature_maps
|
원시에서 생성된 기능으로의 기능 맵 목록입니다. 목록은 numpy 배열 또는 스파스 매트릭스일 수 있습니다. 여기서 각 배열 항목(raw_index, generated_index)은 생성된 각 원시 기능 쌍의 가중치입니다. 다른 항목은 0으로 설정됩니다. 원시 기능에서 생성된 기능을 생성하는 변환 [t1, t2, ..., tn] 시퀀스의 경우 기능 맵 목록은 t1, t2 등과 동일한 순서로 생성된 맵에 원시에 해당합니다. t1에서 tn까지 생성된 기능 맵의 전체 원시를 사용할 수 있는 경우 단일 요소 목록에서 해당 기능 맵만 전달할 수 있습니다. Default value: None
|
|
raw_features
|
원래 설명자가 엔지니어링된 기능에 대한 설명을 계산하는 경우 지정할 수 있는 원시 기능에 대한 기능 이름의 선택적 목록입니다. Default value: None
|
|
engineered_features
|
원래 설명자에 전달된 변환이 있고 원시 기능의 중요도만 계산하는 경우 지정할 수 있는 엔지니어링된 기능에 대한 기능 이름의 선택적 목록입니다. Default value: None
|
|
original_explainer
필수
|
<xref:interpret_community.common.base_explainer.BaseExplainer>
원래 모델을 설명하는 데 사용된 학습 시간 설명자입니다. |
|
feature_maps
필수
|
원시에서 생성된 기능으로의 기능 맵 목록입니다. 목록은 numpy 배열 또는 스파스 매트릭스일 수 있습니다. 여기서 각 배열 항목(raw_index, generated_index)은 생성된 각 원시 기능 쌍의 가중치입니다. 다른 항목은 0으로 설정됩니다. 원시 기능에서 생성된 기능을 생성하는 변환 [t1, t2, ..., tn] 시퀀스의 경우 기능 맵 목록은 t1, t2 등과 동일한 순서로 생성된 맵에 원시에 해당합니다. t1에서 tn까지 생성된 기능 맵의 전체 원시를 사용할 수 있는 경우 단일 요소 목록에서 해당 기능 맵만 전달할 수 있습니다. |
|
raw_features
필수
|
원래 설명자가 엔지니어링된 기능에 대한 설명을 계산하는 경우 지정할 수 있는 원시 기능에 대한 기능 이름의 선택적 목록입니다. |
|
engineered_features
필수
|
원래 설명자에 전달된 변환이 있고 원시 기능의 중요도만 계산하는 경우 지정할 수 있는 엔지니어링된 기능에 대한 기능 이름의 선택적 목록입니다. |
메서드
| explain |
점수 매기기 모델을 사용하여 데이터의 기능 중요도 값을 근사치로 표시합니다. |
| fit |
scikit-learn 파이프라인 인터페이스에 맞는 데 필요한 더미 메서드를 구현합니다. |
| predict |
채점에 TreeExplainer 및 트리 모델을 사용하여 데이터의 기능 중요도 값을 가져옵니다. .explain() 함수를 래핑합니다. |
explain
점수 매기기 모델을 사용하여 데이터의 기능 중요도 값을 근사치로 표시합니다.
abstract explain(evaluation_examples, get_raw)매개 변수
| Name | Description |
|---|---|
|
evaluation_examples
필수
|
모델의 출력을 설명할 기능 벡터 예제(# 예제 x # 기능)의 행렬입니다. |
|
get_raw
필수
|
True이면 원시 기능에 대한 중요도 값이 반환됩니다. False이면 엔지니어링된 기능에 대한 중요도 값이 반환됩니다. 지정되지 않고 변환이 원래 설명자에 전달된 경우 원시 중요도 값이 반환됩니다. 지정되지 않고 feature_maps 채점 설명자에 전달된 경우 엔지니어링된 중요도 값이 반환됩니다. |
반환
| 형식 | Description |
|---|---|
|
회귀와 같은 단일 출력이 있는 모델의 경우 이 메서드는 기능 중요도 값의 행렬을 반환합니다. 벡터 출력이 있는 모델의 경우 이 함수는 각 출력에 대해 하나씩 이러한 행렬 목록을 반환합니다. 이 행렬의 차원은 (# 예제 x # 기능)입니다. |
fit
scikit-learn 파이프라인 인터페이스에 맞는 데 필요한 더미 메서드를 구현합니다.
fit(X, y=None)매개 변수
| Name | Description |
|---|---|
|
X
필수
|
학습 데이터입니다. |
|
y
|
학습 대상. Default value: None
|
predict
채점에 TreeExplainer 및 트리 모델을 사용하여 데이터의 기능 중요도 값을 가져옵니다.
.explain() 함수를 래핑합니다.
predict(evaluation_examples)매개 변수
| Name | Description |
|---|---|
|
evaluation_examples
필수
|
모델의 출력을 설명할 기능 벡터 예제(# 예제 x # 기능)의 행렬입니다. |
반환
| 형식 | Description |
|---|---|
|
회귀와 같은 단일 출력이 있는 모델의 경우 기능 중요도 값의 행렬을 반환합니다. 벡터 출력이 있는 모델의 경우 이 함수는 각 출력에 대해 하나씩 이러한 행렬 목록을 반환합니다. 이 행렬의 차원은 (# 예제 x # 기능)입니다. |