ITPub博客

首页 > 人工智能 > 机器学习 > 机器学习可解释性工具箱XAI

机器学习可解释性工具箱XAI

机器学习 作者:dicksonjyl560101 时间:2019-02-08 21:56:01 0 删除 编辑


XAI是Github上的一个机器学习可解释性工具箱。XAI包含多种分析和评价数据和模型的工具。XAI在开发时遵循负责的机器学习的8个原则。

XAI是Github上的一个机器学习可解释性工具箱,地址为:

安装及一些简单的用例如下:

安装

pip install xai

简单用例

XAI可以识别数据不平衡。我们先载入census数据集:

import xai.data
df = xai.data.load_census()
df.head()
机器学习可解释性工具箱XAI

查看多列类别不平衡:

protected_cols = ["gender", "ethnicity", "age"]
ims = xai.show_imbalances(df, protected_cols)
机器学习可解释性工具箱XAI

查看一列类别不平衡:

im = xai.show_imbalance(df, "gender")
机器学习可解释性工具箱XAI

查看一列与另一列相交的不平衡:

im = xai.show_imbalance(df, "gender", cross=["loan"])
机器学习可解释性工具箱XAI

利用上采样或下采样进行平衡:

bal_df = xai.balance(df, "gender", cross=["loan"], upsample=1.0)
机器学习可解释性工具箱XAI

创建一个平衡的测试-训练划分:

# Balanced train-test split with minimum 300 examples of 
# the cross of the target y and the column gender
x_train, y_train, x_test, y_test = xai.balanced_train_test_split(
 x, y, cross=["gender"], 
 categorical_cols=categorical_cols, min_per_class=300)
# Visualise the imbalances of gender and the target 
df_test = x_test.copy()
df_test["loan"] = y_test
_= xai.show_imbalance(df_test, "gender", cross=["loan"], categorical_cols=categorical_cols)
机器学习可解释性工具箱XAI

更多用例可以参考Github项目链接:


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/29829936/viewspace-2600454/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论
行万里路,读万卷书,阅无数人。 吃货一枚,爱吃湘菜,粤菜与杭帮菜,尝遍天下美食。 摄影爱好者,游遍名川大山,江河胡海,赏遍人间春色。 爱看电影,尤其是国产大片,好莱坞大片。英文名:Dickson Jin, 网名:风一样的BOY。精通SAP供应链咨询。2017年开始研习人工智能。

注册时间:2014-08-27

  • 博文量
    2528
  • 访问量
    3911925