iBreakDown:模型不可知实例级变量属性
用于分解黑盒预测的模型无关工具。支持添加属性和具有交互的属性。分解表显示了每个变量对最终预测的贡献。分解图以简洁的图形方式显示变量贡献。此包适用于分类和回归模型。这是“分解”方案的延伸(Staniak和Biecek 2018)<doi:10.32614/RJ-2018-072>,使用新的更快的订购策略。它支持解释中的交互,并具有交互视觉效果(使用“D3.js”库实现)。“iBreakDown”文章(Gosiewska和Biecek 2019)描述了背后的方法<doi:10.48550/arXiv.1903.11420>此程序包是“DrWhy”的一部分。人工智能世界(Biecek 2018)<doi:10.48550/arXiv.1806.08915>.
版本: |
2.1.2 |
取决于: |
R(≥3.5) |
进口: |
ggplot2 |
建议: |
DALEX公司,针织物,rmarkdown公司,随机森林,e1071号,护林员,奈特,测试那个,第2天3,硅钠铝石,覆盖(covr) |
出版: |
2023-12-01 |
作者: |
Przemyslaw Biecek公司[aut,cre],Alicja Gosiewska公司[aut],休伯特·巴尼基[aut],亚当·伊兹德布斯基,达留斯·科莫辛斯基 |
维护人员: |
Przemyslaw Biecek<przemyslau.piecek at gmail.com> |
错误报告: |
https://github.com/ModelOriented/iBreakDown/issues |
许可证: |
GPL-3公司 |
网址: |
https://ModelOriented.github.io/iBreakDown(面向模型)/,https://github.com/ModelOriented/iBreakDown |
需要编译: |
不 |
引用: |
iBreakDown引文信息 |
材料: |
新闻 |
在视图中: |
机器学习 |
CRAN检查: |
iBreakDown结果 |
文档:
下载内容:
反向依赖关系:
链接:
请使用规范形式https://CRAN.R-project.org/package=iBreakDown链接到此页面。