معرفی شرکت ها


fastshapv1-0.0.10


Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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

توضیحات

A shap wrapper for fastai
ویژگی مقدار
سیستم عامل -
نام فایل fastshapv1-0.0.10
نام fastshapv1
نسخه کتابخانه 0.0.10
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Zach Mueller
ایمیل نویسنده muellerzr@gmail.com
آدرس صفحه اصلی https://github.com/muellerzr/fastshapv1
آدرس اینترنتی https://pypi.org/project/fastshapv1/
مجوز Apache Software License 2.0
# FastSHAP (V1) > This project brings in part of the `SHAP` library into `fastai` (V1) and make it compatible. Thank you to Nestor Demeure for his assistance with the project! ## Install `pip install fastshap` ## How to use First we'll quickly train a `ADULTS` tabular model ``` from fastai2.tabular.all import * ``` ``` path = untar_data(URLs.ADULT_SAMPLE) df = pd.read_csv(path/'adult.csv') ``` ``` dep_var = 'salary' cat_names = ['workclass', 'education', 'marital-status', 'occupation', 'relationship', 'race'] cont_names = ['age', 'fnlwgt', 'education-num'] procs = [Categorify, FillMissing, Normalize] ``` ``` splits = IndexSplitter(list(range(800,1000)))(range_of(df)) to = TabularPandas(df, procs, cat_names, cont_names, y_names="salary", splits=splits) dls = to.dataloaders() ``` ``` learn = tabular_learner(dls, layers=[200,100], metrics=accuracy) learn.fit(1, 1e-2) ``` And now for some example usage! ``` from fastshap.interp import * ``` ``` exp = ShapInterpretation(learn, df.iloc[:100]) ``` ``` exp.dependence_plot('age') ``` Classification model detected, displaying score for the class <50k. (use `class_id` to specify another class) ![png](docs/images/output_13_2.png) For more examples see [01_Interpret](https://muellerzr.github.io/fastshap//interpret) *For more unofficial fastai extensions, see the [Fastai Extensions Repository](https://github.com/nestordemeure/fastai-extensions-repository).*


نیازمندی

مقدار نام
- fastai
- fastcore
- shap


زبان مورد نیاز

مقدار نام
>=3.6 Python


نحوه نصب


نصب پکیج whl fastshapv1-0.0.10:

    pip install fastshapv1-0.0.10.whl


نصب پکیج tar.gz fastshapv1-0.0.10:

    pip install fastshapv1-0.0.10.tar.gz