Пояснюваність тексту й зображень за допомогою LIME

Пояснюваний ШІ в Python

Fouad Trad

Machine Learning Engineer

Моделі для тексту

Опрацьовувати й інтерпретувати письмову мову
Приклад: аналіз тональності
«Чорні скриньки»
LimeTextExplainer пояснює такі моделі
- Визначає, як кожне слово впливає на прогноз

Модель аналізу тональності отримує відгук користувача й прогнозує тон («Positive» або «Negative»).

Текстовий пояснювач LIME

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()

Моделі для зображень

Дуже складні
Інтерпретують візуальні дані
Приклад: класифікація їжі
LimeImageExplainer пояснює такі моделі
- Визначає, які частини зображення впливають на прогноз

Модель класифікації їжі отримує фото піци й прогнозує тип їжі на зображенні.

Пояснювач зображень LIME

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

)

Зображення морозива.

Пояснювач зображень LIME

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)

Зображення морозива, де менш релевантні частини затемнені чорним.

Давайте потренуємось!

Пояснюваний ШІ в Python