这是名为 Emb-GAM 的 Windows 应用程序，其最新版本可以下载为 v0.2.zip。 它可以在工作站的免费托管服务提供商 OnWorks 中在线运行。
使用 OnWorks 免费下载并在线运行这个名为 Emb-GAM 的应用程序。
请按照以下说明运行此应用程序：
- 1. 在您的 PC 中下载此应用程序。
- 2. 在我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX 中输入您想要的用户名。
- 3. 在这样的文件管理器中上传这个应用程序。
- 4. 从本网站启动任何 OS OnWorks 在线模拟器，但更好的 Windows 在线模拟器。
- 5. 从您刚刚启动的 OnWorks Windows 操作系统，使用您想要的用户名转到我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX。
- 6. 下载应用程序并安装。
- 7. 从您的 Linux 发行版软件存储库下载 Wine。 安装后，您可以双击该应用程序以使用 Wine 运行它们。 您还可以尝试 PlayOnLinux，这是 Wine 上的一个花哨界面，可帮助您安装流行的 Windows 程序和游戏。
Wine 是一种在 Linux 上运行 Windows 软件的方法，但不需要 Windows。 Wine 是一个开源的 Windows 兼容层，可以直接在任何 Linux 桌面上运行 Windows 程序。 本质上，Wine 试图从头开始重新实现足够多的 Windows，以便它可以运行所有这些 Windows 应用程序，而实际上不需要 Windows。
SCREENSHOTS
Ad
嵌入GAM
商品描述
深度学习模型取得了令人印象深刻的预测性能，但往往会牺牲可解释性，这是医疗保健或决策制定等高风险领域的关键考虑因素。 相比之下，广义加法模型 (GAM) 可以保持可解释性，但由于无法有效捕获特征交互，因此往往预测性能不佳。 在这项工作中，我们的目标是通过使用预训练的神经语言模型在嵌入空间中学习线性模型之前为每个输入提取嵌入来弥合这一差距。 最终模型（我们称之为 Emb-GAM）是其输入特征和特征交互的透明线性函数。 利用语言模型，Emb-GAM 可以学习更少的线性系数，对更大的交互进行建模，并很好地泛化到新的输入。 在各种自然语言处理数据集中，Emb-GAM 在不牺牲可解释性的情况下实现了强大的预测性能。
产品优势
- 为了更好地控制，您可以从源代码克隆并安装此 repo
- 可解释的线性模型，利用预训练的语言模型更好地学习交互
- 单线拟合函数
- Emb-GAM 使用预训练语言模型从文本数据中提取特征
- 结合特征以提取出简单的线性模型
- 使用 Emb-GAM 的最佳方式是通过 imodelsx 包
- Emb-GAM 在不牺牲可解释性的情况下实现了强大的预测性能
程式语言
Python
分类
这是一个也可以从 https://sourceforge.net/projects/emb-gam.mirror/ 获取的应用程序。 它已托管在 OnWorks 中，以便以最简单的方式从我们的免费操作系统之一在线运行。
