Task6: LIME algorithm

“Why Should I Trust You?”
Explaining the Predictions of Any Classifier

LIME: 可解釋任意機(jī)器學(xué)習(xí)模型預(yù)測(cè)結(jié)果的通用方法
https://arxiv.org/pdf/1602.04938.pdf
通過(guò)可視化來(lái)判斷模型是不是符合人理解的

LIME

Local: 只能擬合出待測(cè)樣本的局部模型的行為
Interpretable:它的結(jié)果是人類可以理解的
Model-agnostic:通用的舌狗,與模型無(wú)關(guān)的
Explanation:可解釋的

原來(lái)的模型是一個(gè)黑盒子拼苍,決策邊界在高維中非常復(fù)雜,只選取其中的一個(gè)數(shù)據(jù)奕短,把數(shù)據(jù)領(lǐng)域的數(shù)據(jù)生成出來(lái),離他近的點(diǎn)權(quán)重高墨林,離得遠(yuǎn)的點(diǎn)權(quán)重高巍沙。把數(shù)據(jù)生成出來(lái)輸入到原模型中可以得到預(yù)測(cè)結(jié)果,可以用特征以及原模型的預(yù)測(cè)結(jié)果去訓(xùn)練一個(gè)簡(jiǎn)單的線性模型象浑,線性模型是可解釋蔫饰,線性模型可以近似在領(lǐng)域擬合出原模型的行為線性模型訓(xùn)練出的權(quán)重就可以反映出特征的重要性以及貢獻(xiàn)程度愉豺。
注:雖然兩個(gè)模型的預(yù)測(cè)結(jié)果是相同的篓吁,但是右邊模型的決策過(guò)程是錯(cuò)誤的

LIME可解釋性分析——表格數(shù)據(jù)

對(duì)特征進(jìn)行隨機(jī)擾動(dòng),再把擾動(dòng)樣本輸入到模型中蚪拦,得到預(yù)測(cè)結(jié)果杖剪,擾動(dòng)的樣本作為特征冻押,訓(xùn)練一個(gè)可解釋性模型,就可以分析出每一個(gè)特征在這個(gè)模型中的重要度

LIME可解釋性分析——圖像數(shù)據(jù)

圖像數(shù)據(jù)如何擾動(dòng)盛嘿?
把原圖做聚類洛巢,分成n個(gè)超像素的圖塊,每個(gè)圖塊都可以存在或者不存在次兆,不存在抹成灰色稿茉,會(huì)生成2的M次方領(lǐng)域的樣本
把這個(gè)M維向量作為可解釋特征,再把擾動(dòng)后的圖像輸入到原始模型中芥炭,得到預(yù)測(cè)結(jié)果漓库,訓(xùn)練一個(gè)線性分類模型
用M維的向量作為特征,預(yù)測(cè)結(jié)果作為標(biāo)簽蚤认,即可分析出哪些圖塊對(duì)預(yù)測(cè)結(jié)果具有重要性
首先需要獲得原始的待測(cè)樣本X米苹,通過(guò)超像素方法把樣本變?yōu)閄‘,對(duì)每個(gè)超像素圖塊做擾動(dòng)砰琢,就生成2^M個(gè)M維向量(領(lǐng)域特征)蘸嘶,再把它輸入到原始模型中進(jìn)行預(yù)測(cè),最后用M維的向量作為特征陪汽,預(yù)測(cè)結(jié)果作為標(biāo)注(帶權(quán)重的训唱,離待測(cè)樣本遠(yuǎn)權(quán)重低,離待測(cè)樣本進(jìn)權(quán)重高)挚冤,訓(xùn)練出可解釋模型g况增,即可分析出M個(gè)超像素圖塊對(duì)模型預(yù)測(cè)的重要性
LIME:使用可解釋特征訓(xùn)練可解釋模型,在特定樣本的局部線性領(lǐng)域擬合原模型

LIME可解釋性分析——文本數(shù)據(jù)

詞向量是不解釋的训挡,因此要變?yōu)?strong>可解釋特征
最后反映為每一個(gè)單詞對(duì)預(yù)測(cè)結(jié)果的影響

實(shí)驗(yàn)

  1. 不同模型中挑出更好的模型
    準(zhǔn)確率高的模型不一定真的靠譜
  2. 根據(jù)解釋做特征工程澳骤,進(jìn)一步改進(jìn)模型
  3. 根據(jù)解釋發(fā)現(xiàn)模型異常,特征不一定是科學(xué)的

LIME的優(yōu)點(diǎn)

  1. 兼容任意一種機(jī)器學(xué)習(xí)算法
  2. 特征重要性:解釋澜薄、理解为肮、信賴、改進(jìn)(特征工程)
  3. what- if場(chǎng)景:如果每個(gè)月多掙500元肤京,額度是多少
  4. 可解釋單個(gè)樣本預(yù)測(cè)結(jié)果颊艳、選取代表性樣本
  5. 可人工設(shè)計(jì)、構(gòu)造可解釋特征

LIME的缺點(diǎn)

  1. 人工設(shè)計(jì)忘分、構(gòu)造的可解釋性特征棋枕,不一定是科學(xué)的
  2. “局部線性”可能無(wú)法擬合原模型
  3. 不同樣本,如何計(jì)算領(lǐng)域樣本權(quán)重(覆蓋是多大妒峦?)LIME的改進(jìn):自適應(yīng)距離
  4. 每個(gè)待測(cè)樣本都需要訓(xùn)練對(duì)應(yīng)可解釋模型重斑、耗時(shí)長(zhǎng)

問(wèn)題
如何構(gòu)建可解釋性特征?

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末肯骇,一起剝皮案震驚了整個(gè)濱河市绸狐,隨后出現(xiàn)的幾起案子卤恳,更是在濱河造成了極大的恐慌,老刑警劉巖寒矿,帶你破解...
    沈念sama閱讀 222,946評(píng)論 6 518
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異若债,居然都是意外死亡符相,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,336評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門(mén)蠢琳,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)啊终,“玉大人,你說(shuō)我怎么就攤上這事傲须±渡” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 169,716評(píng)論 0 364
  • 文/不壞的土叔 我叫張陵泰讽,是天一觀的道長(zhǎng)例衍。 經(jīng)常有香客問(wèn)我,道長(zhǎng)已卸,這世上最難降的妖魔是什么佛玄? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 60,222評(píng)論 1 300
  • 正文 為了忘掉前任,我火速辦了婚禮累澡,結(jié)果婚禮上梦抢,老公的妹妹穿的比我還像新娘。我一直安慰自己愧哟,他們只是感情好奥吩,可當(dāng)我...
    茶點(diǎn)故事閱讀 69,223評(píng)論 6 398
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著蕊梧,像睡著了一般霞赫。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上望几,一...
    開(kāi)封第一講書(shū)人閱讀 52,807評(píng)論 1 314
  • 那天绩脆,我揣著相機(jī)與錄音,去河邊找鬼橄抹。 笑死靴迫,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的楼誓。 我是一名探鬼主播玉锌,決...
    沈念sama閱讀 41,235評(píng)論 3 424
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼疟羹!你這毒婦竟也來(lái)了主守?” 一聲冷哼從身側(cè)響起禀倔,我...
    開(kāi)封第一講書(shū)人閱讀 40,189評(píng)論 0 277
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎参淫,沒(méi)想到半個(gè)月后救湖,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,712評(píng)論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡涎才,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,775評(píng)論 3 343
  • 正文 我和宋清朗相戀三年鞋既,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片耍铜。...
    茶點(diǎn)故事閱讀 40,926評(píng)論 1 353
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡邑闺,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出棕兼,到底是詐尸還是另有隱情陡舅,我是刑警寧澤,帶...
    沈念sama閱讀 36,580評(píng)論 5 351
  • 正文 年R本政府宣布伴挚,位于F島的核電站靶衍,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏章鲤。R本人自食惡果不足惜摊灭,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,259評(píng)論 3 336
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望败徊。 院中可真熱鬧帚呼,春花似錦、人聲如沸皱蹦。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 32,750評(píng)論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)沪哺。三九已至沈自,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間辜妓,已是汗流浹背枯途。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,867評(píng)論 1 274
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留籍滴,地道東北人酪夷。 一個(gè)月前我還...
    沈念sama閱讀 49,368評(píng)論 3 379
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像孽惰,于是被迫代替她去往敵國(guó)和親晚岭。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,930評(píng)論 2 361

推薦閱讀更多精彩內(nèi)容