Fitur baru yang dapat kami tambahkan untuk pemahaman model adalah penjelasan prediksi. Ini akan menjawab pertanyaan "mengapa model saya memprediksi x?", memungkinkan pengguna untuk melihat fitur input mana yang paling berdampak pada prediksi tersebut. Fitur semacam ini dapat berguna untuk men-debug model dari perspektif penyiapan data, karena pengguna dapat memeriksa prediksi yang mereka kategorikan sebagai "buruk" dan mengubah atau menghilangkan fitur yang berkontribusi pada prediksi tersebut.
Beberapa sumber daya:
Kita harus melihat menggunakan SHAP (SHapley Additive exPlanations)
https://github.com/slundberg/shap
Saya menemukan perpustakaan ini melalui buku catatan ini:
https://github.com/d6t/d6t-python/blob/master/blogs/blog-20200426-shapley.ipynb
Dokumen Desain: https://alteryx.quip.com/D4ZwAOUklY5X/Prediction-Explanations
@freddyaboulton dan saya bertemu untuk membahas ini kemarin. Ini siap untuk diimplementasikan. Di bawah ini adalah rencana implementasi dari dokumen desain :
Tugas
Fase 1
Catatan: sampai semua ini selesai, kita harus merahasiakan implementasi untuk rilis Juli, yaitu _explain_prediction
Perkiraan keseluruhan: 9 hari
Fase 2
Perkiraan keseluruhan: 5 hari
Tanggal Penting
Rilis Juli: 28 Juli 2020.
Sasaran
Gabungkan Fase 1 pada Sel 4 Agustus
Gabungkan Fase 2 pada Selasa, 11 Agustus
Peregangan Tujuan
Gabungkan Fase 1 pada Selasa 28 Juli (rilis Juli)
Gabungkan Fase 2 pada Sel 4 Agustus
Hai @freddyaboulton , hingga saat ini kami telah menyimpan epik di jalur Epic dan alih-alih memindahkan masalah individu melalui jalur. Bisakah Anda mengikuti pola itu di sini juga? Jika itu terasa aneh atau salah bagi Anda, dengan senang hati mendiskusikan perubahan proses kami tentang cara kami mengatur epos. Cukup sederhana saat ini.
@dsherry Kesalahan saya! Menjaga epos dalam alur epik masuk akal bagi saya 👍
@freddyaboulton dari sudut pandang saya, kita harus selesai meninjau analisis kualitatif yang Anda lakukan (yang sangat membantu!!), menyelesaikan diskusi tersebut dan mungkin membuat beberapa perbaikan/pembaruan. Tapi apa yang saya lihat di sana sudah terasa cukup baik untuk dipublikasikan untuk bulan Juli!
Untuk mengonfirmasi: explain_predictions
sekarang bersifat publik, di dokumen API dan kami menambahkan panduan pengguna, benar? Berarti itu akan menjadi bagian dari rilis Juli? Sangat bagus!!
@freddyaboulton bisakah epik ini ditutup?
@dsherry Saya pikir setelah kami mendapatkan #1107 bergabung, kami dapat menutup ini!
Komentar yang paling membantu
Kita harus melihat menggunakan SHAP (SHapley Additive exPlanations)
https://github.com/slundberg/shap
Saya menemukan perpustakaan ini melalui buku catatan ini:
https://github.com/d6t/d6t-python/blob/master/blogs/blog-20200426-shapley.ipynb