Py之eli5：eli5库的简介、安装、使用方法之详细攻略
eli5库的简介
eli5是一个Python包，它可以帮助调试机器学习分类器并解释它们的预测。ELI5是一个Python库，它允许使用统一的API可视化和调试各种机器学习模型。它内置了对几种ML框架的支持，并提供了一种解释黑盒模型的方法。
它支持以下机器学习框架和包：
(1) 、scikit-learn-目前，ELI5允许解释scikit-learn线性分类器和回归器的权重和预测，将决策树打印为文本或SVG，显示特征的重要性，并解释决策树和基于树的集合的预测。ELI5理解来自scikit-learn的文本处理实用程序，并能相应地高亮显示文本数据。支持Pipeline和FeatureUnion。它还允许通过撤销哈希来调试包含HashingVectorizer的scikit-learn管道。
(2)、Keras -通过 Grad-CAM 可视化解释图像分类器的预测。
(3)、xgboost -显示特征重要性并解释XGBClassifier, XGBRegressor和xgboost. booster的预测。
(4)、LightGBM -显示特征重要性，解释LGBMClassifier, LGBMRegressor和LightGBM . booster的预测。
(5)、CatBoost -显示CatBoostClassifier、CatBoostRegressor和CatBoost. CatBoost的特征重要性。
(6)、lightning -解释lightning 分类器和回归器的权重和预测。
(7) 、sklearn-crfsuite-ELI5允许检查sklearn_crfsuite.CRF模型的权重。
ELI5还实现了几种用于检查黑盒模型的算法(参见检查黑盒估计器):
(1)， TextExplainer允许使用LIME算法解释任何文本分类器的预测(Ribeiro et al., 2016)。有一些实用程序可以将LIME与非文本数据和任意黑盒分类器一起使用，但是这个特性目前还处于试验阶段。
(2)、置换重要性方法可用于计算黑盒估计器的特征重要性。
官方文档：Welcome to ELI5’s documentation! — ELI5 0.11.0 documentation
Github：GitHub - TeamHG-Memex/eli5: A library for debugging/inspecting machine learning classifiers and explaining their predictions，GitHub - eli5-org/eli5: A library for debugging/inspecting machine learning classifiers and explaining their predictions
eli5库的安装
pip install eli5
pip install -i https://pypi.tuna./simple eli5
eli5库的使用方法
更新中……
