xai
http://blog.itpub.net/29829936/viewspace-2600454/
Xai是Github上的一个机器学习可解释性工具箱。XAI包含多种分析和评价数据和模型的工具。XAI在开发时遵循负责的机器学习的8个原则。
XAI是Github上的一个机器学习可解释性工具箱，地址为：
https://github.com/EthicalML/xai
安装及一些简单的用例如下：
安装
pip install xai
简单用例
XAI可以识别数据不平衡。我们先载入census数据集：
import xai.data
df = xai.data.load_census()
df.head()
查看多列类别不平衡：
protected_cols = ["gender", "ethnicity", "age"]
ims = xai.show_imbalances(df, protected_cols)
查看一列类别不平衡：
im = xai.show_imbalance(df, "gender")
查看一列与另一列相交的不平衡：
im = xai.show_imbalance(df, "gender", cross=["loan"])
利用上采样或下采样进行平衡：
bal_df = xai.balance(df, "gender", cross=["loan"], upsample=1.0)
创建一个平衡的测试-训练划分：
# Balanced train-test split with Minimum 300 examples of
# the cross of the target y and the column gender
x_train, y_train, x_test, y_test = xai.balanced_train_test_split(
x, y, cross=["gender"],
categorical_cols=categorical_cols, min_per_class=300)
# Visualise the imbalances of gender and the target
df_test = x_test.copy()
df_test["loan"] = y_test
_= xai.show_imbalance(df_test, "gender", cross=["loan"], categorical_cols=categorical_cols)
更多用例可以参考Github项目链接：
https://github.com/EthicalML/xai
相关阅读
http://pan.baidu.com/s/1geVx2r547pe
引言 深度学习(deep learning)已经广泛应用于各个领域，解决各类问题，例如在图像分类问题下，如图1，区分这10类目标的准确率目前可
前言老实说，西瓜书作为新入门的同学来说，并不是很好的一个选择，因为西瓜书以总结的方式介绍了各种机器学习的模型和算法，公式推导以及
一：损失函数，代价函数，目标函数定义首先给出结论：损失函数（Loss Function ）是定义在单个样本上的，算的是一个样本的误差。代价函数（Cost F
首先信息、香农熵、条件熵、信息增益都是信息论里面的概念。本文章的讲解和代码实现（除了条件熵和信息增益）都基于两个随机变量的样