Публикации по теме 'lime'
Какие особенности ваша модель машинного обучения узнает из ввода текста?
Задача
Цель этого поста - помочь вам понять, как определить функции, которые ваша модель машинного обучения узнает из ввода текста, и понять причину, по которой она предсказывала категорию.
Фон
Веб-приложение - sentipy , которое помогает визуализировать особенности текста, построено на основе пакета анализа настроений. Хотя основной пакет находится на очень начальной стадии разработки, в центре внимания этой публикации - понять, какие функции изучает ваша модель.
Компоненты..
Спасибо за очень хорошее объяснение LIME в python.
Спасибо за очень хорошее объяснение LIME в python. Обычно есть много примеров, но основанных на R. Одна вещь относительно этого предложения «Общий диоксид серы›63,0: высокие значения общего диоксида серы положительно коррелируют с высоким качеством вина». На мой взгляд, должно быть наоборот, отрицательно коррелировать с высоким качеством вина. Это ошибка или я что-то пропустил?
Немедленно понять LIME для объяснения модели машинного обучения Часть 2.
Развитие интуиции для использования LIME для интерпретации графических и текстовых моделей
Часть 1. Построение интуиции
Часть 2. Известь для интерпретации модели изображения и текста
Прежде чем мы начнем изучать, как использовать LIME для объяснения модели изображения и текста, давайте быстро рассмотрим интуицию LIME, представленную в Part. 1 . (пожалуйста, поймите интуицию части 1, чтобы лучше читать)
LIME Intuition Обзор
Обычно LIME создает суррогатную модель..
Прогнозирование риска рака шейки матки с помощью H2O AutoML и LIME
Введение
Рак шейки матки – это заболевание, при котором в тканях шейки матки (входа в матку из влагалища) образуются злокачественные клетки. Наряду с раком молочной железы и щитовидной железы рак шейки матки является одним из наиболее распространенных видов рака среди женщин. По данным Lancet ( 2019 ):
Ежегодно более чем у полумиллиона женщин диагностируется рак шейки матки, что приводит к более чем 300 000 смертей во всем мире. Приблизительно 90% случаев рака шейки матки..
Урок 48 — Машинное обучение: введение в интерпретируемость моделей (интуиция)
Важность интерпретируемости модели
Модели машинного обучения, особенно сложные, такие как глубокое обучение, часто называют «черными ящиками», потому что может быть трудно понять, почему они делают определенные прогнозы. Однако во многих приложениях важно не только, чтобы модель делала точные прогнозы, но и чтобы мы понимали, почему она делает эти прогнозы. Это понимание известно как интерпретируемость модели. Это повышает доверие к модели, помогает в устранении неполадок и может..
Объяснимое машинное обучение для здравоохранения
Понимание машинного обучения в здравоохранении
Машинное обучение широко применяется в здравоохранении, например, в медицинской диагностике [1]. Одним из часто используемых наборов данных для исследований рака является набор данных по диагностике рака молочной железы штата Висконсин (WBCD) [2]. Как и в других областях, модели машинного обучения, используемые в здравоохранении, по-прежнему остаются черными ящиками. Как описано в [3], понимание причин, лежащих в основе прогнозов модели..
Вопросы по теме 'lime'
Corona Попытка удалить объект, который уже был удален
Я работаю над простой игрой «прорыв», и у меня проблема с перезагрузкой файла map . например: если я начну с уровня 1, сломаю несколько кирпичей и проиграю, то я снова загружаю ту же карту. В следующий раз, когда мяч столкнется с тем же кирпичом,...
188 просмотров
schedule
24.10.2022
Лайм в коде Visual Studio — ошибка установки
Я в тупике и мне нужна небольшая помощь. Я пытаюсь настроить vscode для лайма/OpenFL, но продолжаю получать эту ошибку:
Не удалось установить известковое завершение. Доступна ли команда извести? Попробуйте запустить «lime setup» или изменить...
1343 просмотров
schedule
11.08.2022
R: проблемы применения LIME к квантовой текстовой модели
это модифицированная версия моего предыдущего вопроса : я пытаюсь запустить LIME на моей quanteda текстовой модели, которая питается от данные твитов Трампа и Клинтона . Я запускаю его, следуя примеру, приведенному Томасом Педерсеном в его...
403 просмотров
schedule
13.02.2023
Имена функций, хранящиеся в `object` и` newdata`, разные! при использовании пакета LIME для объяснения модели xgboost в R
Я пытаюсь использовать LIME для объяснения модели двоичной классификации, которую я обучил с помощью XGboost. Я сталкиваюсь с ошибкой при вызове функции explain() из LIME, что означает, что у меня есть столбцы, которые не соответствуют моей модели...
2437 просмотров
schedule
05.10.2022
объект ошибки «coef.cv.glmnet» не экспортируется «пространством имен: glmnet» при загрузке пакета Lime в R —
Я успешно установил Lime (и glmnet) в R, но когда я пытаюсь загрузить его, я получаю сообщение об ошибке:
> require(lime)
Loading required package: lime
Error: package or namespace load failed for ‘lime’:
object ‘coef.cv.glmnet’ is not...
365 просмотров
schedule
21.12.2022
Режим интерпретатора LIME ML Классификация или регрессия для изолированного леса (обнаружение аномалий)
Я пытаюсь найти аномалии в моем наборе данных из более чем 1000 документов. Я использую LIME ML Interpreter, чтобы объяснить прогнозы модели (Isolation Forest). В режиме одного параметра я могу выбирать между классификацией и регрессией. У меня нет...
313 просмотров
schedule
30.06.2022
Как построить отчет Lime, когда в наборе данных много функций
Я пытаюсь построить алгоритм классификации отчетов о лайме, используя метод as_pyplot_figure() для объяснения от LimeTabularExplainer. Он работает, но данные, которые я сохраняю локально в формате html, используя save_html() из библиотеки mpld3,...
423 просмотров
schedule
06.11.2023
