I
interpretable_machine_learning_with_python
jphall663/interpretable_machine_learning_with_python
训练可解释ML模型、解释ML模型以及调试ML模型以提升准确性、公平性和安全性的技术示例。
★682stars
Jupyter Notebook
更新: 1月前
📋 项目速览
点击展开
这是什么?安全与治理领域,基于accountability和data-mining的用Jupyter Notebook构建、开源工具
作者是谁?由 jphall663 团队维护,GitHub 682⭐,在 安全与治理 分类 413 个项目中排名第 164
为什么诞生?安全与治理领域快速发展,accountability场景缺乏高效方案,interpretable_machine_learning_with_python应运而生,专注于简化data-mining相关工作流程。
能干什么?核心场景:data-science、decision-tree、fairness
怎么用 AI 安装?推荐使用 AI 编码助手根据 GitHub README 自动完成安装配置和环境搭建。
🔗 github.com/jphall663/interpretable_machine_learning_with_python
🔗 github.com/jphall663/interpretable_machine_learning_with_python
标签
accountabilitydata-miningdata-sciencedecision-treefairnessfatmlgradient-boosting-machineh2oimlinterpretabilityinterpretableinterpretable-aiinterpretable-machine-learninginterpretable-mllimemachine-learningmachine-learning-interpretabilitypythontransparencyxai