問題タブ [lime]

R で LIME を使用して、目的の「count:poisson」で xgboost モデルを説明しようとしています。標準の「reg:linear」では問題なく動作するようです。これを回避する方法はありますか？この質問は以前にここで尋ねられましたが、受け入れられた回答はありません。

R バージョンのライムは、count:poisson 目的関数を使用して xgboost モデルを説明できますか?

Poisson Explainer で Explain 関数を実行しようとすると、最終的にこのエラーがスローされます

データセットで LSTM ニューラル ネットワーク (Keras パッケージ) を使用しましたが、モデルに依存しない方法を使用して、予測に対する変数の影響を見つけたいと考えています。データセットは 3 次元の配列です。IDごとに可変のタイムステップを持つ、それぞれ独自のシーケンスを持つ複数のIDがあります。私のデータセットの形状は次のようになります: (18610, 151, 18) (ID、時間ステップ、変数) および 1 つの時間ステップでの 1 つの ID の変数出力は次のようになります (予測クラス 1):

すべてのモデルに依存しないメソッド (私が見つけた限り) は、これらの 3 次元の配列データ セットでは機能しません。モデルを解釈できるように、変数の効果を見つける方法はありますか (Lime、部分依存プロット、または Shapley を使用しますか?)。全体的な解釈を調べるには、部分依存プロットを使用することをお勧めします。

これを行う方法を知っている人はいますか(サンプルコード付き)? よろしくお願いします！

私は機械学習が初めてです。以前にも同様の質問がありましたが、適切な解決策が得られていないことに気付きました。以下は意味的類似性のコードで、LIME をベースとして実装したいと考えています。私を助けてください。