scoring_explainer 包
定义用于求特征重要性近似值的评分模型。
类
| DeepScoringExplainer |
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“feature_maps”是在此处传入的(不打算与“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。 |
| KernelScoringExplainer |
定义基于 KernelExplainer 的评分模型。 如果原始解释器使用的是 SHAP KernelExplainer 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“feature_maps”是在此处传入的(不打算与“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。 |
| LinearScoringExplainer |
定义基于 LinearExplainer 的评分模型。 如果原始解释器使用的是 SHAP LinearExplainer 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“feature_maps”是在此处传入的(不打算与“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。 |
| ScoringExplainer |
定义评分模型。 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(不打算与转换同时使用),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。 |
| TreeScoringExplainer |
定义基于 TreeExplainer 的评分模型。 如果原始解释器使用的是 SHAP TreeExplainer,则重用原始解释器的核心。 如果原始解释器使用了另一种方法,将创建新的解释器。 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“feature_maps”是在此处传入的(不打算与“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。 |
函数
load
从磁盘加载评分解释器。
load(directory)
参数
返回
从磁盘加载的说明中的评分解释器。
返回类型
save
将评分解释器保存到磁盘。
save(scoring_explainer, directory='.', exist_ok=False)
参数
- scoring_explainer
要保存的评分解释器对象。 解释器将写入 [directory]/scoring_explainer.pkl。
返回
评分解释器 pickle 文件的路径。
返回类型
反馈
提交和查看相关反馈