mcpField
M
ml-model-explainer

ml-model-explainer

github.com/dkyazzentwatwaデータ・データベース12458 回インストール29 週間前に更新
リポジトリ

ml-model-explainer について

ml-model-explainerは、機械学習の予測を解釈するPythonツールです。局所・全体の説明を必要とする実務者向けに、複数のモデル形式で特徴量ランキング、決定経路、可視化を提供します。

主な機能

  1. 01個別予測のSHAP値による説明
  2. 02全体的な特徴量重要度ランキング
  3. 03予測の決定経路の追跡
  4. 04ウォーターフォール、フォース、サマリープロット
  5. 05ツリー、線形、ニューラルネットワークモデル対応
  6. 06複数予測の一括説明

活用シーン

  1. 01個別予測の理由を調べる
  2. 02モデルの特徴量を順位付けする
  3. 03複数の予測結果を説明する
  4. 04説明をウォーターフォール図として出力する

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/dkyazzentwatwa/chatgpt-skills --skill ml-model-explainer

インストール後、Claude Code で/ml-model-explainerを入力して読み込まれたか確認します。

同梱ファイルscripts/ml_model_explainer.pyscripts/requirements.txt

詳細

ML モデルの説明

SHAP と特徴量重要度を使用して、機械学習モデルの予測を説明します。

機能

  • SHAP 値：個々の予測を説明します
  • 特徴量重要度：全体的な特徴量のランキングを表示します
  • 決定パス：予測のロジックをたどります
  • 可視化：ウォーターフォールプロット、フォースプロット、サマリープロット
  • 複数のモデル：木ベース、線形、ニューラルネットワークをサポートします
  • 一括説明：複数の予測を説明します

クイックスタート

from ml_model_explainer import MLModelExplainer

explainer = MLModelExplainer()
explainer.load_model(model, X_train)

# Explain single prediction
explanation = explainer.explain(X_test[0])
explainer.plot_waterfall('explanation.png')

# Feature importance
importance = explainer.feature_importance()

CLI の使い方

python ml_model_explainer.py --model model.pkl --data test.csv --output explanations/

依存関係

  • shap>=0.42.0
  • scikit-learn>=1.3.0
  • pandas>=2.0.0
  • numpy>=1.24.0
  • matplotlib>=3.7.0

コメント

Markdown 対応