问题标签 [lime]

我正在尝试为我的网站在本地测试一些 html 文件，它在使用 github 页面时有效，但在我将源代码下载到我的机器（Chromebook）时无效。会不会是 haxeflixel、石灰或字体？如果你想看看我在说什么，这里是我的存储库。我尝试在设置中赋予本地文件所有权限。我想知道哪些文件或源不能下载到我的机器上，但可以在网页上运行。（是的，我在测试本地文件时在互联网上）

所以我试图将石灰解释拟合到计算预测的 kerns 模型中。数据集本身包含 6 个属性，用于将每个实例分类为“通过”（1）或“失败”（0）

模型本身如下所示：

对于 LIME 实现，我尝试使用与 sklearn 模型大致相同的参数。

然而，这会产生以下 ValueError：

有什么想法可以解决这个问题，以便我实际上对我的模型有一些有用的见解吗？

这是我的代码（粗略）。我无法创建假设如果我上传图像的部分，我会将该图像视为输出。

不完全像这张图片，但如果我上传一张合适类别的图片，预测应该是下面这张图片的输出。

请如果有人有任何线索，请告诉我！

我想将 LIME 应用于包含 10000 行（实例）的数据集。我运行下面的代码，但不幸的是，它真的很慢。我怎样才能更快地做到这一点？

我正在解决预测销售额的问题。它是一个非时间序列问题。我使用了随机森林和 XGBoost 方法。对于本地和全球的解释，我使用的是 SHAP。我能够在全局范围内计算出最重要的变量并获得本地 SHAP 值估计。但是这些特征的局部 SHAP 值的问题在于：

它违反了一些最基本的已知假设。例如，变量 Discount 的贡献应该是正的，因为折扣值越高，销售额越高。因此，SHAP 应该对本地任何地方的该功能都是积极的。但对于许多局部点来说，它是负面的。SHAP 值将所有局部 SHAP 值计算的基线作为预测值的平均值。但是我希望基线是一个值，当所有特征都为零时或至少在某些特征（如折扣）为零时进行预测。这提示我线性回归的截距项。一种明显的解决方案是简单地使用线性回归方法。但与 XGBoost/RandomForest 相比，它给出的预测/拟合非常差。

我正在考虑尝试 LIME，但我不太确定它是否能让我分解销售的预测值并将其归因于不同的自变量。

是否有任何方法可以让我进行这种体积分解？

In python A randomforestregressor of y onto 16 numeric features (variables).

Now I have an array of length 16, which is correct, because I have 16 features But I got an error:

I don't know what is going on.

I even tried to input an array with the test value (so array of 17 values) But now it said input feature length should be 16. IT WAS 16!!!!!!!

有人可以帮我理解输出LIME吗？https://github.com/marcotcr/lime（但是，我想使用keras而不是sklearn。）

所以我有一个简单的二元情感分类任务（类标签 0 和 1）。我训练一个keras网络并LimeTextExplainer在一个随机文档（document[idx]）上运行。由于keras没有predict_proba方法但LimeTextExplainer需要此功能，我创建了自己的：

我理解文本解释器的输出如下：负值单词的出现更可能导致第 0 类，而正值导致第 1 类。

但是，我不太明白的是SubmodularPick.

如何（全局）检索最相关的特征？是sp_obj.explanations还是sp_obj.sp_explanations？？有什么区别？

W_matrix = pd.DataFrame([dict(this.as_list()) for this in sp_obj.explanations])在错误中为我运行结果...

另一方面，sp_obj.sp_explanations作品：

但是那个输出告诉我什么？

以下真的是全球负类和正类的输出吗？

再次在这里：负类的第一个函数导致ans = self.domain_mapper.map_exp_ids(self.local_exp[label_to_use], **kwargs) KeyError: 0错误，但图片显示为任一方式..

负/正值是什么意思？

我有这样的代码：

我有一个错误，例如：

return np.array([[float(1-m), float(m)] for m in model.predict(_text_data)]) TypeError: only size-1 arrays can be convert to Python scalars

我知道问题出在哪里，但我不知道如何解决。问题是，在我的模型中，所有键都是二维数组 [1,0]（好）或 [0,1]（坏），但解释器需要一个 int。

我构建了游戏，出现了这个错误。

石灰建造窗户

有谁知道解决这个问题？（导出文件夹在没有程序的情况下导出了所有内容。）

每当我尝试运行“Lime 测试窗口”时，我都会收到一条消息：

“错误：失败并出现错误：没有这样的项目：extension-webm.ndll”，即使在 haxelib 库中安装了 extension-webm。

我正在积极寻找解决方案，但如果有人可以帮助我，那就太好了。