AIX360机器学习模型的可解释性

[ziwang-com]

https://github.com/Trusted-AI/AIX360 AI 可解释性 360 （v0.2.1） Build Documentation Status PyPI version

AI 可解释性 360 工具包是一个开源库，支持数据集和机器学习模型的可解释性和可解释性。AI 可解释性 360 Python 包包括一套全面的算法，涵盖不同维度的解释以及代理可解释性指标。

AI 可解释性 360 交互式体验通过演练不同使用者角色的示例用例，简要介绍了概念和功能。教程和示例笔记本提供了更深入的、面向数据科学家的介绍。完整的 API 也可用。

没有一种单一的可解释性方法最有效。有很多方法可以解释：数据与模型，直接解释与事后解释，局部与全局等。因此，找出哪种算法最适合给定用例可能会令人困惑。为了提供帮助，我们创建了一些指导材料和可以参考的图表。

我们在开发包时考虑了可扩展性。该库仍在开发中。我们鼓励您贡献您的可解释性算法、指标和用例。要开始成为贡献者，请在此处请求邀请，加入 Slack 上的 AI 可解释性 360 社区。请在此处查看贡献代码和 python 笔记本的说明。