csinva/imodels

何を解決するか

現代の機械学習モデルはしばしば複雑な「ブラックボックス」システムであり、解釈が困難です。imodels は、ランダムフォレストのような複雑なモデルを、ルールリストや小さな木のような単純で透明な代替モデルに置き換えることができる、最先端の解釈可能なモデルのコレクションを提供します。予測精度を損なうことなく。

動作方法

このパッケージは、scikit-learn estimator API（fit および predict メソッド）に従うさまざまな解釈可能なモデリング手法を実装しています。4つの主要な解釈可能な出力形式を提供します：

• ルールセット：木から抽出されたスパースな線形モデルまたは結合ルール。
• ルールリスト：順次的なルールのリスト（例：ベイズルールリスト、グリーディルールリスト）。
• ルール木：さまざまな適合方法（例：CART、C4.5、TAO）を使用する決定木。
• 代数モデル：スパースな整数線形モデルまたは一般化加法モデル（GAM）。

また、ブラックボックスモデルを解釈可能なモデルに変換するためのディスティルーション（distillation）用ラッパーと、自動モデル選択のためのAutoMLも含まれています。

対象ユーザー

臨床意思決定など、高リスク分野において、透明性があり、簡潔で、ステークホルダーに説明しやすい予測モデルが必要なデータサイエンティストや研究者。

特徴

• scikit-learn互換：sklearnパイプラインやグリッドサーチとシームレスに連携可能。
• 多様なモデルライブラリ：ベイズルールリストからガウス過程GAMまで、さまざまなモデルを含む。
• モデルディスティルーション：複雑なモデルを学習した後、それを単純で解釈可能なバージョンに変換できる。
• AutoML統合：最適な解釈可能なモデルを自動的に適合・選択するための組み込みツール。