دانلود SHAP برای لینوکس

این برنامه لینوکس به نام SHAP است که آخرین نسخه آن را می توان با عنوان v0.43.0.zip دانلود کرد. می توان آن را به صورت آنلاین در ارائه دهنده میزبانی رایگان OnWorks برای ایستگاه های کاری اجرا کرد.

 
 

این اپلیکیشن به نام SHAP را با OnWorks به صورت آنلاین دانلود و اجرا کنید.

برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:

- 1. این برنامه را در رایانه شخصی خود دانلود کنید.

- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.

- 3. این برنامه را در چنین فایل منیجر آپلود کنید.

- 4. OnWorks Linux آنلاین یا شبیه ساز آنلاین ویندوز یا شبیه ساز آنلاین MACOS را از این وب سایت راه اندازی کنید.

- 5. از سیستم عامل لینوکس OnWorks که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.

- 6. اپلیکیشن را دانلود کرده، نصب و اجرا کنید.

اسکرین شات ها:


SHAP


DESCRIPTION:

SHAP (توضیحات افزودنی SHapley) یک رویکرد نظری بازی برای توضیح خروجی هر مدل یادگیری ماشینی است. این تخصیص اعتبار بهینه را با توضیحات محلی با استفاده از مقادیر کلاسیک Shapley از تئوری بازی ها و پسوندهای مرتبط با آنها مرتبط می کند. در حالی که SHAP می‌تواند خروجی هر مدل یادگیری ماشینی را توضیح دهد، ما یک الگوریتم دقیق با سرعت بالا برای روش‌های مجموعه درختی توسعه داده‌ایم. پیاده‌سازی سریع ++C برای مدل‌های درختی XGBoost، LightGBM، CatBoost، scikit-learn و pyspark پشتیبانی می‌شود. برای درک اینکه چگونه یک ویژگی واحد بر خروجی مدل تأثیر می گذارد، می توانیم مقدار SHAP آن ویژگی را در مقابل مقدار ویژگی برای همه نمونه های یک مجموعه داده رسم کنیم. از آنجایی که مقادیر SHAP مسئولیت یک ویژگی را برای تغییر در خروجی مدل نشان می‌دهد، نمودار زیر نشان‌دهنده تغییر قیمت پیش‌بینی‌شده خانه با تغییر RM (متوسط ​​تعداد اتاق‌ها در هر خانه در یک منطقه) است.



امکانات

  • SHAP را می توان از PyPI یا conda-forge نصب کرد
  • میانگین قدر مطلق مقادیر SHAP را برای هر ویژگی در نظر بگیرید تا یک نمودار نوار استاندارد بدست آورید
  • مثال های زبان طبیعی (ترانسفورماتور)
  • SHAP پشتیبانی خاصی از مدل های زبان طبیعی دارد
  • مثال های یادگیری عمیق با DeepExplainer
  • Deep SHAP یک الگوریتم تقریب با سرعت بالا برای مقادیر SHAP در مدل های یادگیری عمیق است.


زبان برنامه نویسی

پــایتــون


دسته بندی ها

یادگیری ماشینی، چارچوب های یادگیری عمیق

این برنامه ای است که می تواند از https://sourceforge.net/projects/shap.mirror/ نیز دریافت شود. در OnWorks میزبانی شده است تا به آسانی از یکی از سیستم عامل های رایگان ما به صورت آنلاین اجرا شود.



جدیدترین برنامه های آنلاین لینوکس و ویندوز


دسته بندی برای دانلود نرم افزار و برنامه برای ویندوز و لینوکس