python - 如何解释 imblearn 管道的预测？

Question

我有一个imblearn（不是 sklearn）管道，包括以下步骤：

1. 列选择器
2. 预处理管道（不同列上带有 OneHotEncoders 和 CountVectorizers 的 ColumnTransformer）
3. imblearn 的 SMOTE
4. XGB分类器

我有一个表格数据集，我正在尝试解释我的预测。我设法通过一些工作制定了特征重要性图，但无法让 eli5 或石灰工作。

Lime 要求我将数据转换为上次转换之前的状态（因为管道中的转换器（如自定义矢量化器）会创建新列）。原则上，我可以像这样分割我的管道：pipeline[:-1].predict(instance). 但是，我收到以下错误：{AttributeError}'SMOTE' object has no attribute 'predict'.

我还尝试了一个 eli5 解释器，因为它应该与 Sklearn Pipelines 一起使用。但是，运行后eli5.sklearn.explain_prediction.explain_prediction_sklearn_not_supported(pipeline, instance_to_explain)我收到不支持分类器的消息。

将不胜感激有关如何进行此操作的任何想法。

Answer 1

Imblearn 的采样器在预测期间实际上是无操作（即身份）转换器。因此，在管道安装后删除它们应该是安全的。

尝试以下工作流程：

1. 构建一个 Imblearn 管道，并安装它。
2. 将拟合的 Imblearn 管道的步骤提取到新的 Scikit-Learn 管道。
3. 删除 SMOTE 步骤。
4. 使用标准 Scikit-Learn 管道解释工具解释您的预测。