Une approche théorique des jeux pour expliquer la sortie de tout modèle d'apprentissage automatique.
Comprenez comment les modèles de machine learning prennent des décisions en utilisant une méthode d'explication basée sur le jeu.
Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.
Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.
Gratuit · sans carte · désinscription à tout momentUne approche théorique des jeux pour expliquer la sortie de tout modèle d'apprentissage automatique.
shap compte 25.7k étoiles sur GitHub. Il a été forké 3.7k fois. shap est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2016. shap est disponible sous licence MIT. Ses principaux thèmes sont : deep-learning, explainability, gradient-boosting, interpretability.
Une approche théorique des jeux pour expliquer la sortie de tout modèle d'apprentissage automatique.
shap est un projet open source. Il est distribué sous licence MIT.
Oui. shap est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.
shap est disponible sous licence MIT.
shap est écrit principalement en Jupyter Notebook.
Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.
[](https://opensourceai.tech/project/shap-shap.html)
Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.