가장 적은 코드 줄로 LIME 설명자 대시보드 구축

에 이전 게시물 , LIME( NS 구두 NS 해석 가능 미디엄 모델에 구애받지 않는 그리고 설명). 요약하자면 다음 6개 모델을 사용하여 Stanford Sentiment Treebank(SST-5) 데이터 세트에서 세분화된 감정 클래스 예측을 수행했습니다.

규칙 기반 모델: TextBlob 그리고 아버지
기능 기반 모델: 로지스틱 회귀 그리고 서포트 벡터 머신
임베딩 기반 모델: 패스트텍스트 그리고 예민한 후각

선형 워크플로는 각 방법을 사용하여 감정 분류 결과를 분석하고 설명하는 데 사용되었습니다. 각 모델은 5가지 감정 등급(1에서 5까지)에 대해 훈련되었으며, 1은 매우 부정적, 3은 중립, 5는 매우 긍정적입니다.

이 게시물의 목표는 훈련된 모델을 사용하고 모델이 수행한 예측에 대한 LIME 설명을 출력하는 Explainer 대시보드(세 가지 프레임워크 중 하나 사용)를 구축하는 방법을 보여주는 것입니다.

LIME 설명 예

간단히 말해서, LIME은 HTML 파일로 출력할 수 있는 시각화(포함된 JavaScript로)가 포함된 설명 개체를 생성하여 모든 브라우저에서 열 수 있습니다. LIME의 일반적인 출력은 다음과 같습니다.

대화형 대시보드 앱을 구축해야 하는 이유는 무엇입니까?

LIME을 사용하여 분류자의 결과를 설명하려면 설명이 필요할 때마다 개별 HTML 파일을 작성해야 하는 번거로움이 있을 수 있습니다. 사용자 입력을 받는 대화형 대시보드는 여러 테스트 샘플을 실시간으로 빠르게 반복하여 사용자에게 즉각적인 피드백을 제공하는 매우 효과적인 수단입니다. 또한 대시보드가 있으면 비기술적 사용자(Python 스크립트 실행 방법을 모를 수도 있고 모를 수도 있음)도 필요에 따라 자신의 LIME 설명을 만들 수 있습니다.

다음 섹션에서는 Flask, Dash 및 Streamlit의 세 가지 프레임워크를 사용하여 LIME 설명자 대시보드를 구축하는 방법을 보여줍니다.

#python #시각화 #데이터 과학 #웹 개발 #머신 러닝

방향데이터사이언스닷컴