Text- och bildförklarbarhet med LIME

Förklarbar AI i Python

Fouad Trad

Machine Learning Engineer

Textbaserade modeller

Bearbetar och tolkar skriftspråk
Exempel: Sentimentanalys
Black box-modeller
LimeTextExplainer förklarar sådana modeller
- Visar hur varje ord påverkar prediktionen

Sentimentanalysmodell som tar emot en användarrecension och förutsäger motsvarande sentiment ("Positive" eller "Negative").

LIME-textförklarare

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()

Bildbaserade modeller

Mycket komplexa
Tolkar visuell data
Exempel: Matklassificering
LimeImageExplainer förklarar sådana modeller
- Visar vilka bilddelar som påverkar prediktionerna

Matklassificeringsmodell som tar emot en bild på en pizza och förutsäger vilken typ av mat som visas.

LIME-bildförklarare

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

)

Bild på glass.

LIME-bildförklarare

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)

Glassbild där mindre relevanta delar är dolda med svart färg.

Nu kör vi en övning!

Förklarbar AI i Python