#85 · 主分类: MLOps与评测
shapash
🔅 Shapash:用户友好的可解释性和可解释性,用于开发可靠且透明的机器学习模型
项目最后更新:08/28/26
GitHub Stars
3.3K
Forks数量
388
贡献者数量
49
许可证
Apache-2.0
收录理由
Shapash 把 shap 和 LIME 这类模型解释工具的输出,转化成普通业务人员也能看懂的说明。几行代码就能生成全局解释和单条预测的解释,然后以标注清晰的图表或交互式网页应用呈现,非技术背景的同事可以自己点击查看,不需要数据科学家在旁边讲解。它还能辅助审计工作:把模型和数据的关键信息固化到一份 HTML 报告里,并检查稳定性、一致性和紧凑性等指标,用来判断解释方法本身是否可靠。对于使用 XGBoost、LightGBM、CatBoost 或 sklearn 集成模型,处理回归、二分类或多分类问题的团队来说,这个库特别实用,尤其是当需要把模型行为记录下来并向业务方交代清楚的时候。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。
同类热门项目
unsloth
本地UI,用于运行和训练LLM及扩散模型。支持GGUF、MLX、Qwen3.8、Kimi K3、MiniMax-H3、Gemma 4、FLUX等。
LlamaFactory
统一高效微调100+大语言模型与视觉语言模型(ACL 2024)
airflow
Apache Airflow - 一个以编程方式编写、调度和监控工作流的平台
langfuse
🪢 开源AI工程平台:LLM评估、可观测性、指标、提示管理、游乐场、数据集。与OpenTelemetry、LangChain、OpenAI SDK、LiteLLM等集成。🍊YC W23
netron
神经网络、深度学习和机器学习模型的可视化工具