DeepScoringExplainer 类

定义基于 DeepExplainer 的评分模型。

如果原始解释器使用的是 SHAP DeepExplainer 并且没有传入初始化数据，则将重用原始解释器的核心。 如果原始解释器使用了其他方法或在 initialization_examples 下传入了新的初始化数据，则会创建新的解释器。

如果在 original_explainer 传入转换，则这些转换将传递给评分解释器，它将需要原始数据，并且默认情况下将返回原始特征的重要性。 如果在此处传入 feature_maps（不与转换同时使用），解释器将需要转换后的数据，并且默认情况下将为转换后的数据返回重要性。 无论哪种情况，都可以通过在解释器的 explain 方法上将 get_raw 显式设置为 True 或 False 来指定输出。

继承

azureml.interpret.scoring.scoring_explainer._scoring_explainer.ScoringExplainer

DeepScoringExplainer

构造函数

DeepScoringExplainer(original_explainer, initialization_examples=None, serializer=None, **kwargs)

参数

original_explainer

<xref:BaseExplainer>

必需

训练时间深度解释器最初用于解释模型。

initialization_examples

array 或 DataFrame 或 DenseData 或 csr_matrix

默认值: None

用于初始化解释器的特征向量示例矩阵（# 示例 x # 特征）。

serializer

<xref:<xref:An object with save method that returns a dictionary state and load method that returns the model.>>

默认值: None

Picklable 自定义序列化程序，具有为不可序列化的模型定义的保存和加载方法。

方法

explain

使用 DeepExplainer 和深度模型进行评分，获取数据的特征重要性值。

explain

使用 DeepExplainer 和深度模型进行评分，获取数据的特征重要性值。

explain(evaluation_examples, get_raw=None)

参数

evaluation_examples

array 或 DataFrame 或 csr_matrix

必需

对模型的输出进行解释时所依据的特征向量示例的矩阵（示例 x 特征）。

get_raw

bool

默认值: None

如果为 True，将返回原始特征的重要性值。 如果为 False，将返回工程特征的重要性值。 如果未指定且将 transformations 原始解释器，则将返回原始重要性。 如果未指定且将 feature_maps 传入了评分解释器，则将返回工程重要性值。

返回

对于具有单一输出（例如回归）的模型，这将返回特征重要性值矩阵。 对于具有向量输出的模型，此函数返回此类矩阵的列表，每个输出返回一个列表。 此矩阵的维度为（#示例 x #特征）。

返回类型

list