解释模型行为的最新技术
全面支持多种模型和算法类型，涵盖训练和推理过程
社区驱动的开源工具包
模型可解释性帮助组织中的开发者、数据科学家和业务利益相关者全面理解他们的机器学习模型。它还可以用于调试模型、解释预测，并支持审计以符合监管要求。
通过开放统一的 API 集和丰富的可视化效果，访问最先进的可解释性技术。
使用各种解释器和技术，通过交互式可视化来理解模型。选择你的算法并轻松实验算法组合。
探索模型属性，例如性能、全局和局部特征，并同时比较多个模型。操作数据并查看对模型的影响时，运行假设分析。
使用全局特征重要性，探索整体模型行为并找到影响模型预测的关键特征。
使用局部特征重要性，解释单个预测并找到影响它的特征。
使用群组特征重要性，解释预测的子集。
使用假设分析等技术，查看输入特征的变化如何影响预测。
理解模型，调试或发现问题，并将模型解释给其他利益相关者。
在模型部署前对其进行验证，并在部署后进行审计。
理解模型的行为方式，以便向客户提供关于预测的透明度。
轻松集成新的可解释性技术，并与其他算法进行比较。
