DALEX覆盖了几乎任何模型并帮助探索和解释复杂的模型是如何工作的。它不仅仅针对黑箱模型,它能够面向所有模型给出表现的评估、变量的重要性等有价值的信息,目前已经更新到2.0版本,详细更新内容请访问:更新日志

支持R和Python两种方式安装:


# R语言版本
install.packages("DALEX")

# python版本
pip install dalex -U

机器学习( Machine Learning ,ML)被广泛应用于分类或回归任务中。由于计算能力的提高、新数据源的可用性和新方法的出现,ML模型变得越来越复杂。用神经网络等技术创建的模型,很难追踪输入变量和模型结果之间的联系。尽管模型能带来很高的性能和准确率,但其最薄弱的方面是缺乏可解释性。

在许多应用中,我们需要知道、理解或证明如何在模型中使用输入变量,以及它们对最终模型预测有什么影响。DALEX是一个帮助理解复杂模型如何工作的工具。

同时作者还提供了 DALEXtra 包,可以连接和使用基于scikit-learn、keras、H2O、tidymodels、xgboost、mlr或mlr3创建的模型,非常方便。

DALEX和DALEXtra也是 DrWhy.AI 生态圈的一部分。

参考资料:

1.https://www.r-bloggers.com/2020/09/whats-new-in-dalex-and-dalextra/

2.https://modeloriented.github.io/DALEX/

3.https://github.com/ModelOriented/DrWhy