Uma abordagem de teoria dos jogos para explicar a saída de qualquer modelo de aprendizado de máquina.
Entenda como os modelos de aprendizado de máquina tomam decisões usando um método de explicação baseado em jogos.
Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.
Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.
Grátis · sem cartão · cancele quando quiserUma abordagem de teoria dos jogos para explicar a saída de qualquer modelo de aprendizado de máquina.
shap tem 25.7k estrelas no GitHub. Foi bifurcado 3.7k vezes. shap é escrito principalmente em Jupyter Notebook. Está em desenvolvimento ativo desde 2016. shap está disponível sob a licença MIT. Os seus principais temas são: deep-learning, explainability, gradient-boosting, interpretability.
Uma abordagem de teoria dos jogos para explicar a saída de qualquer modelo de aprendizado de máquina.
shap é um projeto de código aberto. É distribuído sob a licença MIT.
Sim. shap é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.
shap está disponível sob a licença MIT.
shap é escrito principalmente em Jupyter Notebook.
Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.
[](https://opensourceai.tech/project/shap-shap.html)
Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.