Este é o aplicativo Linux denominado SHAP, cuja versão mais recente pode ser baixada como v0.43.0.zip. Ele pode ser executado online no provedor de hospedagem gratuito OnWorks para estações de trabalho.
Baixe e execute online este aplicativo chamado SHAP com OnWorks gratuitamente.
Siga estas instruções para executar este aplicativo:
- 1. Baixe este aplicativo em seu PC.
- 2. Entre em nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que você deseja.
- 3. Carregue este aplicativo em tal gerenciador de arquivos.
- 4. Inicie o emulador OnWorks Linux online ou Windows online ou emulador MACOS online a partir deste site.
- 5. No sistema operacional OnWorks Linux que você acabou de iniciar, acesse nosso gerenciador de arquivos https://www.onworks.net/myfiles.php?username=XXXXX com o nome de usuário que deseja.
- 6. Baixe o aplicativo, instale-o e execute-o.
SCREENSHOTS
Ad
FORMAR
DESCRIÇÃO
SHAP (SHapley Additive exPlanations) é uma abordagem teórica de jogos para explicar a saída de qualquer modelo de aprendizado de máquina. Ele conecta a alocação ideal de crédito com explicações locais usando os valores clássicos de Shapley da teoria dos jogos e suas extensões relacionadas. Embora o SHAP possa explicar a saída de qualquer modelo de aprendizado de máquina, desenvolvemos um algoritmo exato de alta velocidade para métodos de conjunto de árvores. Implementações rápidas de C++ são suportadas para modelos de árvore XGBoost, LightGBM, CatBoost, scikit-learn e pyspark. Para entender como um único recurso afeta a saída do modelo, podemos representar graficamente o valor SHAP desse recurso versus o valor do recurso para todos os exemplos em um conjunto de dados. Como os valores SHAP representam a responsabilidade de um recurso por uma mudança na saída do modelo, o gráfico abaixo representa a mudança no preço previsto da casa à medida que o RM (o número médio de quartos por casa em uma área) muda.
Funcionalidades
- SHAP pode ser instalado a partir de PyPI ou conda-forge
- Pegue o valor absoluto médio dos valores SHAP para cada recurso para obter um gráfico de barras padrão
- Exemplos de linguagem natural (transformadores)
- SHAP tem suporte específico para modelos de linguagem natural
- Exemplos de aprendizagem profunda com DeepExplainer
- Deep SHAP é um algoritmo de aproximação de alta velocidade para valores SHAP em modelos de aprendizado profundo
Linguagem de Programação
Python
Categorias
Este é um aplicativo que também pode ser obtido em https://sourceforge.net/projects/shap.mirror/. Foi hospedado em OnWorks para poder ser executado online da maneira mais fácil a partir de um de nossos Sistemas Operativos gratuitos.