0
| 本文作者： AI研習(xí)社-譯站 | 2020-08-18 18:17 |
字幕組雙語原文：用于可解釋機(jī)器學(xué)習(xí)的 Python 庫
英語原文：Python Libraries for Interpretable Machine Learning
翻譯：雷鋒字幕組（ZeroJ）
由于對(duì)人工智能偏見的擔(dān)心日益凸顯，從業(yè)者解釋模型產(chǎn)出的預(yù)測結(jié)果的能力以及解釋模型自身運(yùn)作機(jī)制的能力變的越來越重要。幸運(yùn)的是，已經(jīng)有許多python工具集被開發(fā)出來，用以解決上述問題。下文我將對(duì)現(xiàn)有4個(gè)建立的比較完善的翻譯和解釋機(jī)器學(xué)習(xí)模型的工具包做簡要的指導(dǎo)性描述。
這些工具包都可以通過pip來進(jìn)行安裝，擁有完善的文檔，并且強(qiáng)調(diào)通過可視化來提升可解釋性。
這個(gè)工具包本質(zhì)上，是scikit-learn的一個(gè)擴(kuò)展，提供了一些非常實(shí)用且好看的機(jī)器學(xué)習(xí)模型可視化工具。`visualiser`對(duì)象是核心接口，是一個(gè)scikit-learn估計(jì)器，所以如果你之前熟悉scikit-learn的工作流程，那么將對(duì)此非常熟悉。
這個(gè)可視化工具覆蓋了模型選擇，特征重要性和模型性能分析等方面。
讓我們看幾個(gè)簡短的例子。
該工具包可以通過pip安裝，
| pip install yellowbrick |
為了展示工具包中的一些特性，我們將利用scikit-learn中的紅酒識(shí)別數(shù)據(jù)集。這個(gè)數(shù)據(jù)集包含13個(gè)特征以及3個(gè)目標(biāo)類別。可以通過scikit-learn直接加載。在下面的代碼里我引入數(shù)據(jù)集，并把轉(zhuǎn)換成pandas dataframe。數(shù)據(jù)集可以直接被用來訓(xùn)練模型，并不需要其他的數(shù)據(jù)處理。
import pandas as pd from sklearn import datasets wine_data = datasets.load_wine() df_wine = pd.DataFrame(wine_data.data,columns=wine_data.feature_names) df_wine['target'] = pd.Series(wine_data.target) |
利用scikit-learn進(jìn)一步將數(shù)據(jù)分為測試集合和訓(xùn)練集。
import pandas as pd from sklearn import datasets wine_data = datasets.load_wine() df_wine = pd.DataFrame(wine_data.data,columns=wine_data.feature_names) df_wine['target'] = pd.Series(wine_data.target) |
接下來，我們用yellowbrick的visualiser觀察特征之間的相關(guān)性。
import pandas as pd from sklearn import datasets wine_data = datasets.load_wine() df_wine = pd.DataFrame(wine_data.data,columns=wine_data.feature_names) df_wine['target'] = pd.Series(wine_data.target) |
現(xiàn)在，我們擬合一個(gè)隨機(jī)森林分類器，并通過另一個(gè)visualiser評(píng)價(jià)其性能。
from yellowbrick.classifier import ClassificationReport from sklearn.ensemble import RandomForestClassifier model = RandomForestClassifier() visualizer = ClassificationReport(model, size=(1080, 720)) visualizer.fit(X_train, y_train) visualizer.score(X_test, y_test) visualizer.poof() |
ELI5是另一個(gè)可視化工具包，在模型機(jī)器學(xué)習(xí)模型調(diào)試和解釋其產(chǎn)出的預(yù)測結(jié)果方面非常有用。它能夠同大多數(shù)通用的python機(jī)器學(xué)習(xí)工具包一起使用，包括scikit-learn和XGBoost，以及Keras。
讓我們用ELI5來觀察一下上面我們訓(xùn)練的模型的特征重要性。
import eli5 eli5.show_weights(model, feature_names = X.columns.tolist()) |
默認(rèn)的，`show_weights`方法采用GAIN來計(jì)算權(quán)重，但你也可以傳入其他`importance_type`來控制特征重要性的計(jì)算。
也可以通過`show_prediction`來觀察某一個(gè)樣本的預(yù)測結(jié)果的原因。
from eli5 import show_predictionshow_prediction(model, X_train.iloc[1], feature_names = X.columns.tolist(), show_feature_values=True) |
LIME（模型無關(guān)局部可解釋）是一個(gè)用來解釋模型做出的預(yù)測的工具包。LIME支持對(duì)多種分類器的單個(gè)樣本預(yù)測進(jìn)行解釋，并且原生支持scikit-learn。
下面讓我們用LIME對(duì)上述我們訓(xùn)練的模型的一些預(yù)測進(jìn)行解釋。
LIME可以用pip進(jìn)行安裝
| pip install lime |
首先我們構(gòu)建explainer，它通過訓(xùn)練數(shù)據(jù)集數(shù)組，模型中用到的特征名稱和目標(biāo)變量的類別名稱作為初始化參數(shù)。
import lime.lime_tabular explainer = lime.lime_tabular.LimeTabularExplainer(X_train.values, feature_names=X_train.columns.values.tolist(), class_names=y_train.unique()) |
接下來，我們創(chuàng)建一個(gè)lambda函數(shù)，它表示用模型預(yù)測一個(gè)樣本。詳見這個(gè)優(yōu)秀的，更有深度的LIME教程。
| predict_fn = lambda x: model.predict_proba(x).astype(float) |
隨后，我們利用explainer解釋指定樣本的預(yù)測結(jié)果。其結(jié)果如下。LIME通過可視化的結(jié)果，展示特征如果對(duì)得到的預(yù)測結(jié)果產(chǎn)生影響。
exp = explainer.explain_instance(X_test.values[0], predict_fn, num_features=6) exp.show_in_notebook(show_all=False) |
這個(gè)工具包包含一系列機(jī)器學(xué)習(xí)可用的工具函數(shù)。包括通過stacking和voting構(gòu)建的分類器，模型的評(píng)估，特征的提取、特征工程和可視化。除了該工具包的文檔，這篇論文也是理解工具包更多細(xì)節(jié)的好資源。
下面讓我們利用MLxtend來比較Ensemble后的分類器的分類邊界與組成他的子分類器的分類邊界有什么不同。
同樣MLxtend也可以通過pip安裝。
| pip install mlxtend |
引入一些工具包，
from mlxtend.plotting import plot_decision_regions from mlxtend.classifier import EnsembleVoteClassifier import matplotlib.gridspec as gridspec import itertools from sklearn import model_selection from sklearn.linear_model import LogisticRegression from sklearn.naive_bayes import GaussianNB from sklearn.ensemble import RandomForestClassifier |
下面的可視化工具一次只能接受兩個(gè)特征作為輸入，所以我們創(chuàng)建了數(shù)組['proline', 'color_intensity']。因?yàn)檫@兩個(gè)特征在上述利用ELI5分析時(shí)，具有最高的特征重要性。
X_train_ml = X_train[['proline', 'color_intensity']].values y_train_ml = y_train.values |
接下來，我們創(chuàng)建一些分類器，并在訓(xùn)練數(shù)據(jù)上進(jìn)行擬合，通過MLxtend可視化他們的決策邊界。輸出來自下面的代碼。
clf1 = LogisticRegression(random_state=1) clf2 = RandomForestClassifier(random_state=1) clf3 = GaussianNB() eclf = EnsembleVoteClassifier(clfs=[clf1, clf2, clf3], weights=[1,1,1]) value=1.5 width=0.75 gs = gridspec.GridSpec(2,2) fig = plt.figure(figsize=(10,8)) labels = ['Logistic Regression', 'Random Forest', 'Naive Bayes', 'Ensemble'] for clf, lab, grd in zip([clf1, clf2, clf3, eclf], labels, itertools.product([0, 1], repeat=2)):
clf.fit(X_train_ml, y_train_ml) ax = plt.subplot(gs[grd[0], grd[1]]) fig = plot_decision_regions(X=X_train_ml, y=y_train_ml, clf=clf) plt.title(lab) |
以上絕對(duì)不是模型可解釋和可視化工具包的完整列表。這篇博文羅列了包含其他有用的工具包的列表，值得一試。
感謝閱讀！
雷鋒字幕組是一個(gè)由 AI 愛好者組成的翻譯團(tuán)隊(duì)，匯聚五百多位志愿者的力量，分享最新的海外AI資訊，交流關(guān)于人工智能技術(shù)領(lǐng)域的行業(yè)變革與技術(shù)創(chuàng)新的見解。
團(tuán)隊(duì)成員有大數(shù)據(jù)專家、算法工程師、圖像處理工程師、產(chǎn)品經(jīng)理、產(chǎn)品運(yùn)營、IT咨詢?nèi)恕⒃谛熒?；志愿者們來自IBM、AVL、Adobe、阿里、百度等知名企業(yè)，北大、清華、港大、中科院、南卡羅萊納大學(xué)、早稻田大學(xué)等海內(nèi)外高校研究所。
如果，你也是位熱愛分享的AI愛好者。歡迎與雷鋒字幕組一起，學(xué)習(xí)新知，分享成長。
雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
