lime v0.4：小猫图片版

简介

我很高兴地报告，lime 的一个新主要版本已登陆 CRAN。lime 是 Marco Ribeiro 同名 Python 库的 R 端口，它允许用户打开黑盒机器学习模型并根据每个观察解释其结果。它的工作原理是在观察周围的局部邻域中对黑盒的结果进行建模以解释，并使用此局部模型来解释黑盒为什么（而不是如何）这样做。有关 lime 理论的更多信息，我将引导您阅读介绍该方法的文章。

lime lime lime 介绍方法

新功能

此版本的核心围绕两个有点关联的新功能：对 keras 模型的原生支持和对解释图像模型的支持。

keras 和图像

J.J. Allaire 在主题演讲中介绍了 tensorflow 和 keras 软件包，非常慷慨地提到了 lime，我感到有必要原生支持它们。由于 keras 是迄今为止与 tensorflow 交互的最流行方式，因此它是第一个获得内置支持的方式。添加 keras 意味着 lime 现在直接支持以下软件包中的模型：

lime tensorflow keras lime

如果您正在处理一些太晦涩或太前沿的东西而无法使用这些软件包，仍然可以通过为其提供 predict_model() 和 model_type() 方法使您的模型符合 lime 标准。

lime predict_model() model_type()

keras 模型的使用方法与其他模型一样，通过将其与训练数据一起传递到 lime() 函数中来创建解释器对象。因为我们很快就要讨论图像模型，所以我们将使用 keras 本身提供的预训练 ImageNet 模型之一：

lime()

vgg16 模型是作为 ImageNet 竞赛的一部分构建的图像分类模型，其目标是以最高的准确率将图片分为 1000 个类别。我们可以看到它相当复杂。

img <- image_read ( ) img_path <- file.path file.path ( ( )