搜索 - 腾讯云开发者社区-腾讯云

文章/答案/技术大牛

发布

来自专栏EpiHub
Part1：可解释的机器学习-XAI – eXplainable Artificial Intelligence
2.代码实现以apartments数据集为例，(From Warsaw，在R和Python的DALEX包均可调用)。 package exp = dx.Explainer(regr, X, y) R-实现 #library library(DALEX) #apartments dataset from DALEX 基本的XAI与DALEX -Part2:基于模型的变量重要性。基本的XAI与DALEX -Part3:因素的边际效应基本的XAI与DALEX -Part4:SHAP解释 -- 12.29 -- Happy birthday 参考文献 DALEX has a new skin BASIC XAI with DALEX— Part 1: Introduction 源码Github
77330编辑于 2022-11-03
来自专栏EpiHub
R-多分类logistic回归（机器学习）
image.png 1.数据案例这里主要用到DALEX包里面包含的HR数据，里面记录了职工在工作岗位的状态与年龄，性别，工作时长，评价及薪水有关。 library(DALEX) library(iBreakDown) library(car) library(questionr) try(data(package="DALEX")) data(HR ranger_0.12.1 questionr_0.7.0 car_3.0-7 [5] carData_3.0-3 nnet_7.3-14 DALEX
1.3K20编辑于 2022-10-25
来自专栏临床预测模型
SHAP (SHapley Additive exPlanations)及DALEX预测单样本变量情况和shapviz可视化学习
目前能够实现SHAP分析的工具有很多，本次我们来学习一下DALEX和shapviz这两个R包。 DALEX（Descriptive mAchine Learning EXplanations）是一个专门用于解释机器学习模型行为的R包。 DALEXtra：扩展了DALEX，支持与更多的机器学习框架（如H2O、Keras、PyTorch）无缝集成。2. iBreakDown：专注于局部解释，如Shapley值或LIME。主要函数explain()：用于包装一个模型，使其可以与DALEX的解释函数一起使用。它接受模型、数据和目标变量作为输入。分析步骤1.导入rm(list = ls())load("TCGA_HNSC_practice.Rdata")library(DALEX)library(shapviz)2.数据预处理# prepare
1.1K00编辑于 2025-01-04
来自专栏EpiHub
R实现多分类logistic回归
关于原理理论部分可参见；这里主要讲如何在R实现三分类回归，计算系数及p值与OR值 1.数据案例这里主要用到DALEX包里面包含的HR数据，里面记录了职工在工作岗位的状态与年龄，性别，工作时长，评价及薪水有关 library(DALEX) library(iBreakDown) library(nnet) library(questionr) try(data(package="DALEX")) data(HR
1.5K20编辑于 2022-10-25
来自专栏EpiHub
常用学习网站汇总
Analysis： https://pbiecek.github.io/ema/ * mlr3 book: https://mlr3book.mlr-org.com/ * BASIC XAI with DALEX https://medium.com/responsibleml/basic-xai-with-dalex-part-5-shapley-values-85ceb4b58c99 空间地理篇 * R 空间分析
93530编辑于 2022-10-27
来自专栏数据科学与人工智能
模型|“请解释”黑盒机器学习模型的解释性
R中可用的DALEX package(描述性机器学习解释)提供了一组工具，帮助理解复杂模型是如何工作的。使用DALEX，您可以创建模型解释器并可视化地检查它，例如分解图。您可能还对DrWhy.Ai感兴趣，它是由DALEX所在的研究小组开发的。
1.5K20发布于 2019-05-14
来自专栏临床预测模型
SHAP (SHapley Additive exPlanations)及kernelshap预测单样本/全局情况和shapviz可视化学习
在上一期推文中学习了如何结合DALEX和shapviz 对单样本进行预测并进行可视化分析。上期推文：SHAP(SHapley Additive exPlanations)及DALEX预测单样本变量情况和shapviz可视化学习 https://mp.weixin.qq.com/s/hGt63KXvWE_T7JPwLHJbtw
91510编辑于 2025-01-10
来自专栏相约机器人
深度学习可解释性相关论文和代码大全
DALEX - R package, Descriptive mAchine Learning EXplanations CRAN https://cran.r-project.org/web/packages /DALEX/DALEX.pdf Code: https://github.com/pbiecek/DALEX ELI5 - Python package dedicated to debugging
1.4K11发布于 2019-11-15
来自专栏arXiv每日学术速递
人工智能学术速递[7.7]
关于哪个XAI工具产生了一个可解释性的一般等级，还没有达成共识，因此，出现了一些关于工具的建议（Ciu、Dalex、Eli5、Lofo、Shap和Skater）。 generates a general rank of explainability, for this reason, several proposals for tools have emerged (Ciu, Dalex
1.3K20发布于 2021-07-27

Part1：可解释的机器学习-XAI – eXplainable Artificial Intelligence

R-多分类logistic回归（机器学习）

SHAP (SHapley Additive exPlanations)及DALEX预测单样本变量情况和shapviz可视化学习

R实现多分类logistic回归

常用学习网站汇总

模型|“请解释”黑盒机器学习模型的解释性

SHAP (SHapley Additive exPlanations)及kernelshap预测单样本/全局情况和shapviz可视化学习

深度学习可解释性相关论文和代码大全

人工智能学术速递[7.7]

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐