Un enfoque de teoría de juegos para explicar la salida de cualquier modelo de aprendizaje automático.
Entienda cómo los modelos de aprendizaje automático toman decisiones utilizando un método de explicación basado en juegos.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasUn enfoque de teoría de juegos para explicar la salida de cualquier modelo de aprendizaje automático.
shap tiene 25.7k estrellas en GitHub. Se ha bifurcado 3.7k veces. shap está escrito principalmente en Jupyter Notebook. Se desarrolla activamente desde 2016. shap está disponible bajo la licencia MIT. Sus temas principales son: deep-learning, explainability, gradient-boosting, interpretability.
Un enfoque de teoría de juegos para explicar la salida de cualquier modelo de aprendizaje automático.
shap es un proyecto de código abierto. Se distribuye bajo la licencia MIT.
Sí. shap es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
shap está disponible bajo la licencia MIT.
shap está escrito principalmente en Jupyter Notebook.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://opensourceai.tech/project/shap-shap.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.