本文轉(zhuǎn)自雷鋒網(wǎng)，如需轉(zhuǎn)載請至雷鋒網(wǎng)官網(wǎng)申請授權(quán)。

由于對人工智能偏見的擔心日益凸顯，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作機制的能力變的越來越重要。幸運的是，已經(jīng)有許多python工具集被開發(fā)出來，用以解決上述問題。下文我將對現(xiàn)有4個建立的比較完善的翻譯和解釋機器學(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來進行安裝，擁有完善的文檔，并且強調(diào)通過可視化來提升可解釋性。

yellowbrick 

這個工具包本質(zhì)上，是scikit-learn的一個擴展，提供了一些非常實用且好看的機器學(xué)習(xí)模型可視化工具。`visualiser`對象是核心接口，是一個scikit-learn估計器，所以如果你之前熟悉scikit-learn的工作流程，那么將對此非常熟悉。

這個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中的紅酒識別數(shù)據(jù)集。這個數(shù)據(jù)集包含13個特征以及3個目標類別?？梢酝ㄟ^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，我們擬合一個隨機森林分類器，并通過另一個visualiser評價其性能。

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

ELI5是另一個可視化工具包，在模型機器學(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()) 

默認的，`show_weights`方法采用GAIN來計算權(quán)重，但你也可以傳入其他`importance_type`來控制特征重要性的計算。

也可以通過`show_prediction`來觀察某一個樣本的預(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

LIME（模型無關(guān)局部可解釋）是一個用來解釋模型做出的預(yù)測的工具包。LIME支持對多種分類器的單個樣本預(yù)測進行解釋，并且原生支持scikit-learn。

下面讓我們用LIME對上述我們訓(xùn)練的模型的一些預(yù)測進行解釋。

LIME可以用pip進行安裝

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lambda函數(shù)，它表示用模型預(yù)測一個樣本。詳見這個優(yōu)秀的，更有深度的LIME教程。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變量的類別名稱作為初始化參數(shù)。

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) 

MLxtend

這個工具包包含一系列機器學(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特征作為輸入，所以我們創(chuàng)建了數(shù)組['proline', 'color_intensity']。因為這兩個特征在上述利用ELI5分析時，具有最高的特征重要性。引入一些工具包，

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！