معرفی شرکت ها
discern-xai-0.0.27
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
DisCERN: Discovering Counterfactual Explanations using Relevance Features from Neighbourhoods
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | discern-xai-0.0.27 |
| نام | discern-xai |
| نسخه کتابخانه | 0.0.27 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Anjana Wijekoon |
| ایمیل نویسنده | a.wijekoon1@rgu.ac.uk |
| آدرس صفحه اصلی | https://github.com/RGU-Computing/discern-xai |
| آدرس اینترنتی | https://pypi.org/project/discern-xai/ |
| مجوز | - |
# DisCERN-XAI
DisCERN: Discovering Counterfactual Explanations using Relevance Features from Neighbourhoods
## Installing DisCERN
DisCERN supports Python 3+. The stable version of DisCERN is available on [PyPI](https://pypi.org/project/discern-xai/):
pip install discern-xai
To install the dev version of DisCERN and its dependencies, clone this repo and run `pip install` from the top-most folder of the repo:
pip install -e .
DisCERN requires the following packages:<br>
`numpy`<br>
`pandas`<br>
`lime`<br>
`shap`<br>
`scikit-learn`
## Compatible Libraries
| Attribution Explainer | scikit-learn | TensorFlow/Keras | PyTorch |
|-----------------------|--------------|------------------|---------|
| LIME | ✓ | ✓ | N/A |
| SHAP | ✓ shap.TreeExplainer | ✓ shap.DeepExplainer | N/A |
| Integrated Gradients | ✗ | ✓ | N/A |
## Getting Started with DisCERN
Binary Classification example on the Adult Income dataset using RandomForest and Keras Deep Neural Net classifiers are <a href="/tests/adult_income.py">here</a>
Multi-class Classification example on the Cancer risk dataset using RandomForest and Keras Deep Neural Net classifiers are <a href="/tests/cancer.py">here</a>
## Citing
Please cite it follows:
1. Wiratunga, N., Wijekoon, A., Nkisi-Orji, I., Martin, K., Palihawadana, C., & Corsar, D. (2021, November). Discern: discovering counterfactual explanations using relevance features from neighbourhoods. In 2021 IEEE 33rd International Conference on Tools with Artificial Intelligence (ICTAI) (pp. 1466-1473). IEEE.
2. Wijekoon, A., Wiratunga, N., Nkisi-Orji, I., Palihawadana, C., Corsar, D., & Martin, K. (2022, August). How Close Is Too Close? The Role of Feature Attributions in Discovering Counterfactual Explanations. In Case-Based Reasoning Research and Development: 30th International Conference, ICCBR 2022, Nancy, France, September 12–15, 2022, Proceedings (pp. 33-47). Cham: Springer International Publishing.
Bibtex:
@misc{wiratunga2021discerndiscovering,
title={DisCERN:Discovering Counterfactual Explanations using Relevance Features from Neighbourhoods},
author={Nirmalie Wiratunga and Anjana Wijekoon and Ikechukwu Nkisi-Orji and Kyle Martin and Chamath Palihawadana and David Corsar},
year={2021},
eprint={2109.05800},
archivePrefix={arXiv},
primaryClass={cs.LG}
}
@inproceedings{wijekoon2022close,
title={How Close Is Too Close? The Role of Feature Attributions in Discovering Counterfactual Explanations},
author={Wijekoon, Anjana and Wiratunga, Nirmalie and Nkisi-Orji, Ikechukwu and Palihawadana, Chamath and Corsar, David and Martin, Kyle},
booktitle={Case-Based Reasoning Research and Development: 30th International Conference, ICCBR 2022, Nancy, France, September 12--15, 2022, Proceedings},
pages={33--47},
year={2022},
organization={Springer}
}
<br>
<br>
<br>
<br>
<img align="left" src="isee.png" alt="drawing" height="50"/>
<img align="right" src="chistera.png" alt="drawing" height="50"/><br><br><br>
<center>This research is funded by the <a href="https://isee4xai.com">iSee project</a> which received funding from EPSRC under the grant number EP/V061755/1. iSee is part of the <a href="https://www.chistera.eu/">CHIST-ERA pathfinder programme</a> for European coordinated research on future and emerging information and communication technologies.</center>
نحوه نصب
نصب پکیج whl discern-xai-0.0.27:
pip install discern-xai-0.0.27.whl
نصب پکیج tar.gz discern-xai-0.0.27:
pip install discern-xai-0.0.27.tar.gz