shap

SHAP is a unified approach to explain machine learning model outputs using Shapley values from cooperative game theory. This skill provides comprehensive guidance for:

SHAP works with all model types: tree-based models (XGBoost, LightGBM, CatBoost, Random Forest), deep learning models (TensorFlow, PyTorch, Keras), linear models, and black-box models.

See references/explainers.md for detailed information on all explainer types.

قابلية التفسير النموذجي وقابلية الشرح باستخدام SHAP (شرحات SHapley Additive). استخدم هذه المهارة عند شرح تنبؤات نماذج التعلم الآلي، أو أهمية ميزات الحوسبة، أو إنشاء مخططات SHAP (الشلال، أو حشد النحل، أو الشريط، أو التشتت، أو القوة، أو خريطة الحرارة)، أو تصحيح الأخطاء، أو تحليل تحيز النموذج أو عدالته، أو مقارنة النماذج، أو تنفيذ الذكاء الاصطناعي القابل للتفسير. يعمل مع النماذج المستندة إلى الأشجار (XGBoost، وLightGBM، وRandom Forest)، والتعلم العميق (TensorFlow، وPyTorch)، والنماذج الخطية، وأي نموذج للصندوق الأسود. المصدر: ovachiever/droid-tings.