Spiegare le previsioni del sentiment analysis
Ti viene fornito un model che classifica le recensioni di prodotti come positive o negative. Il tuo compito è usare LIME per identificare quali parole in un dato text_instance influenzano maggiormente le previsioni del modello.
La funzione model_predict per l’elaborazione dei testi in input è già caricata per te.
Questo esercizio fa parte del corso
Explainable AI in Python
Istruzioni dell'esercizio
- Crea un text explainer LIME chiamato
explainer. - Genera una spiegazione per la previsione del modello sul
text_instancedato, mostrando le prime cinque feature. - Visualizza le parole che contribuiscono di più e i rispettivi pesi che influenzano la decisione del modello.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
from lime.lime_text import LimeTextExplainer
text_instance = "Amazing battery life and the camera quality is perfect! I highly recommend this smartphone."
# Create a LIME text explainer
explainer = ____
# Generate the explanation
exp = ____
# Display the explanation
____
plt.show()