iml：可解释机器学习

分析行为和任何机器学习模型的预测。实现的方法包括：Fisher等人（2018）描述的特征重要性<doi:10.48550/arXiv.1801.01489>Apley描述的累积局部效应图（2018年）<doi:10.48550/arXiv.1612.08468>，部分相关图描述为Friedman（2001）<www.jstor.org/stable/2699986>，个人条件Goldstein等人（2013）描述的期望（‘ce’）图<doi:10.1080/10618600.2014.907095>，本地车型（“lime”的变体）Ribeiro等人描述（2016）<doi:10.48550/arXiv.1602.04938>，ShapleyStrumbelj等人描述的价值（2014）<数字对象标识代码：10.1007/s10115-013-0679-x>，功能交互由描述弗里德曼等人<doi:10.1214/07-AOAS148>以及树代理模型。

版本：	0.11.2
进口：	将死,数据表,公式,未来,未来应用程序,ggplot2,韵律学,R6级
建议：	ALE图,长凳,位64,插入符号,覆盖（covr）,e1071号,未来呼叫器,格尔姆奈特,戈尔,水,珊瑚礁(≥ 2.2.5.0),针织物,MASS（质量）,最大似然比,mlr3号机组,聚会,聚会用具,拼凑,随机森林,护林员,rmarkdown公司,r零件,测试那个,yaImpute（公正）
出版：	2024-03-29
作者：	朱塞佩·卡萨利基奥[aut，cre]，克里斯托夫·莫尔纳[aut]，帕特里克·施拉茨[自动]
维护人员：	朱塞佩·卡萨利基奥（Giuseppe Casalicchio）
错误报告：	https://github.com/christophM/iml/issues网站
许可证：	麻省理工学院+文件许可证
网址：	https://christophm.github.io/iml/,https://github.com/christophM/iml/
需要编译：	不
引用：	iml引文信息
材料：	新闻
在视图中：	机器学习
CRAN检查：	iml结果

文档：

参考手册：	iml.pdf格式
守夜人：	iml简介：R中的可解释机器学习 解释方法的并行计算

下载内容：

包源：	iml_0.11.2目标.gz
Windows二进制文件：	r-devel公司：iml_0.11.2.zip，r版本：iml_0.11.2.zip，r-oldrel：iml_0.11.2.zip
macOS二进制文件：	r释放（arm64）：iml_0.11.2.tgz，r-oldrel（arm64）：iml_0.11.2.tgz，r-版本（x86_64）：iml_0.11.2.tgz，r-oldrel（x86_64）：iml_0.11.2.tgz
旧来源：	iml存档

反向依赖关系：

反向进口：	反事实,事实,多方当事人
反向建议：	DALEXtra公司,解释者,雾状R,mlr3公平性,mlr3摘要,水母

链接：

请使用规范形式https://CRAN.R-project.org/package=iml链接到此页面。