Uitlegbaarheid van tekst en beeld met LIME

Explainable AI in Python

Fouad Trad

Machine Learning Engineer

Tekstmodellen

Verwerk en interpreteer tekst
Voorbeeld: Sentimentanalyse
Blackbox-modellen
LimeTextExplainer verklaart zulke modellen
- Vindt hoe elk woord de voorspelling beïnvloedt

Sentimentanalysmodel dat een gebruikersreview ontvangt en het sentiment voorspelt ('Positive' of 'Negative').

LIME-tekstuitlegger

from lime.lime_text import LimeTextExplainer


text_instance = 
"This product has great features but a poor design."


def model_predict(instance):
  ...
  return class_probabilities


explainer = LimeTextExplainer()

exp = explainer.explain_instance(

  text_instance,

  model_predict

)


exp.as_pyplot_figure()

Beeldmodellen

Zeer complex
Interpreteren visuele data
Voorbeeld: Voedselclassificatie
LimeImageExplainer verklaart zulke modellen
- Vindt welke delen van de afbeelding de voorspelling beïnvloeden

Voedselclassificatiemodel dat een pizza-afbeelding ontvangt en voorspelt welk type voedsel erop staat.

LIME-beelduitlegger

from lime.lime_image import LimeImageExplainer


explainer = LimeImageExplainer()

explanation = explainer.explain_instance(

  image,

  model_predict,

  num_samples=50

)


temp, _ = explanation.get_image_and_mask(

  explanation.top_labels[0],

  hide_rest=True

)

Afbeelding van ijsje.

LIME-beelduitlegger

from lime.lime_image import LimeImageExplainer

explainer = LimeImageExplainer()
explanation = explainer.explain_instance(
  image, 
  model_predict,  
  num_samples=50
)

temp, _ = explanation.get_image_and_mask(
  explanation.top_labels[0], 
  hide_rest=True
)

plt.imshow(temp)

Afbeelding van ijsje met minder relevante delen zwart gemaakt.

Laten we oefenen!

Explainable AI in Python