InterpretML机器学习可解释性

InterpretML 是一个开源软件包，整合了最先进的机器学习可解释性技术。使用此包，你可以训练可解释的 glassbox 模型并解释黑盒系统。InterpretML 可帮助你了解模型的全局行为，或了解个别预测背后的原因。

优点：

• 模型可解释性：模型可解释性可帮助组织中的开发人员、数据科学家和业务利益相关者全面了解他们的机器学习模型。它还可以用于调试模型、解释预测并启用审计以满足法规要求。

• 便于使用：通过开放的统一 API 集和丰富的可视化访问最先进的可解释性技术。

• 灵活和可定制：使用各种解释器和使用交互式视觉效果的技术来理解模型。选择您的算法并轻松尝试算法组合。

• 综合能力：探索模型属性，例如性能、全局和局部特征，并同时比较多个模型。在操作数据并查看对模型的影响时运行假设分析。