问题标签 [lime]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
r - 在 R 中加载 Lime 包时出现错误“对象‘coef.cv.glmnet’不是由‘namespace:glmnet’导出”-
我已经在 R 中成功安装了 Lime（和 glmnet），但是当我尝试加载它时，我收到一个错误：
在网上搜索，似乎无法找到解决此问题的方法。这是我的 sessioninfo()
我已经更新了我所有的包。glmnet 加载成功
python - Keras 解释器包，如 eli5、LIME，是否适合标准（非图像）分类？
我一直在使用 XGBoost 来预测学生的留存率，并一直在使用 eli5 来为个人预测提供解释。出于几个不同的原因，我决定尝试深度学习，它在数据上的表现出奇的好。但是，解释位是必需的，但 eli5 仅对图像上的 Keras 进行解释。有没有办法解释为常规分类构建的 Keras 模型？浏览了 LIME 论文后，我真的看不出它不应该起作用的原因，但它似乎只适用于图像和文本分类？
我的数据只是普通的旧数值（gpa、年龄、活动、考试成绩等），我试图预测 0 或 1（通过/失败）。
谢谢
machine-learning - Lime Explainer：ValueError：训练数据没有以下字段
我正在尝试使用 LIME 从我的 XGBoost 分类模型中收集 ID 级别驱动程序，但遇到了一些奇怪的错误。我使用这个链接作为参考。
这是我正在使用的整体代码：
钥匙：
- 训练模型：训练的xgboost分类模型
- 类名：这是一个二元分类模型
- Xs_train：这是一个（73548, 84）维度的训练集。这用于构建 training_model
- Xs_val：这是一个 (4910, 84) 维度的训练集。这些列与训练和验证集相同。
- data_point：一个特定的验证点
现在，当我运行此代码时，出现以下错误：
我不知道f#列名来自哪里。看起来真的很奇怪，我相信我正确地遵循了这个例子。
任何帮助将非常感激。让我知道是否需要任何其他信息。
r - 在 R 中的 keras CNN 模型上使用石灰时，为数据框提供了无效的“dimnames”
当在 R 中使用石灰包时，我遇到了与如何修复“为数据框提供的无效 'dimnames'？”相同的错误
dimnames<-.data.frame( , value = list(n))中的错误*tmp*：为数据框提供的“dimnames”无效
我正在尝试将石灰函数（解释）应用于 keras CNN 网络
我的训练和测试集包含 1900 个特征，这里我只显示 9 个以简化
python - 如何在 Lime 中使用 1D-CNN 模型？
我有一个数字健康记录数据集。我在分类步骤中使用了 1D CNN keras 模型。
我在 Python 中给出了一个可复制的例子：
将石灰应用于 1D CNN 模型时出现此错误
有解决办法吗？
reactjs - 有没有办法将 Flask 的 SHAP 或 LIME 输出渲染到 React？
我正在使用 Flask 在 React JS 项目上部署用 Python 编写的机器学习模型。
但是，需要显示 LIME 或 SHAP 输出。有没有人对如何将 Flask 的 html 或 js 输出渲染到 React 并显示它有任何想法？
下面是我目前以数字形式发送数据的代码，但不是图像/html/js
获取响应的代码：
r - 来自石灰包的带有 plot_features 的闪亮 plotOutput 什么也没产生
我正在尝试使用 Shiny 使用我在 R 中训练的随机森林模型（“rffit.rda”）生成风险计算器。类似于这个网络应用计算器
https://sorg-apps.shinyapps.io/thaopioid/
但是我的应用程序中的预测面板没有给我任何输出。我能够在常规 R 环境中让代码在闪亮之外执行，但是当我将预测和解释功能添加到服务器端时，当我运行应用程序时什么都没有出现。感谢任何帮助。
python - KeyError: 1 在使用 SP_LIME 和 Lightgbm
我正在使用SP_LIME解释基于Lightgbm模型的客户流失预测结果。使用 LIME explainer.explain_instance 可以正常工作。
当我在同一个数据集上尝试 SP_LIME 时，第一部分
sp_obj = submodular_pick.SubmodularPick(explainer, data_source[model_lgbm.feature_name()].values, prob, num_features=5,num_exps_desired=10)
也可以正常工作。我变成了以下结果：
在绘制代码后出现以下错误：
[exp.as_pyplot_figure(label=1) for exp in sp_obj.sp_explanations]
python - Python 中的多线程 Lime
我是使用python的新手。我正在尝试为超过 10000 个样本运行石灰解释器。我正在使用 1D-CNN keras 模型进行解释。
如何使用多处理库来做到这一点。我尝试了一些解决方案但没有成功
我不明白错误是来自我的代码还是来自不兼容的石灰函数。
python - 如何使用 Lime 对时间序列进行分类
我的简化模型如下所示：
我的训练数据具有以下形状：
从输出层可以看出，我有 9 个输出，因此每个信号（长度为 1000）将被分类为一个或多个此输出（这是一个多标签分类）
我这样训练我的模型：
所以到目前为止一切正常，但现在我想用 Lime 来解释分类
当我定义我的解释器时，我没有收到任何错误，但是当我尝试运行下面的代码时，它运行了很长时间才给我一个错误
任何人都可以识别这个错误或看看有什么问题吗？