Förklara prediktioner för sentimentanalys
Du får tillgång till en model som klassificerar produktrecensioner som positiva eller negativa. Din uppgift är att använda LIME för att identifiera vilka ord i en given text_instance som påverkar modellens prediktioner mest.
Funktionen model_predict för att bearbeta inmatningstexter är fördefinierad åt dig.
Den här övningen är en del av kursen
Förklarbar AI i Python
Övningsinstruktioner
- Skapa en LIME-textförklarare med namnet
explainer. - Generera en förklaring av modellens prediktion för den givna
text_instancemed de fem viktigaste särdragen. - Visa de mest bidragande orden och deras vikter som påverkar modellens beslut.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
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 = explainer.____(____, model_predict, num_features=____)
# Display the explanation
exp.____()
plt.show()