Uma abordagem de teoria dos jogos para explicar a saída de qualquer modelo de aprendizado de máquina.
Entenda como modelos de aprendizado de máquina tomam decisões usando um método de explicação baseado em jogos.

Trechos do README do projeto em GitHub. Os direitos autorais e as licenças permanecem com os respectivos autores.
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 25.6k 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://olud.ai/project/shap-shap.html)
Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.