เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การอธิบายผลการวิเคราะห์ความรู้สึก

ในแบบฝึกหัดนี้มี model ที่จำแนกรีวิวสินค้าว่าแสดงความรู้สึกเชิงบวกหรือเชิงลบ โดยมีโจทย์ให้ใช้ LIME เพื่อระบุว่าคำใดใน text_instance มีอิทธิพลต่อการทำนายของโมเดลมากที่สุด

ฟังก์ชัน model_predict สำหรับประมวลผลข้อความอินพุตถูกโหลดไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Explainable AI ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง LIME text explainer และตั้งชื่อว่า explainer
  • สร้างคำอธิบายสำหรับการทำนายของโมเดลบน text_instance ที่กำหนด โดยแสดง 5 ฟีเจอร์หลัก
  • แสดงคำที่มีอิทธิพลสูงสุดพร้อมค่าน้ำหนักที่ส่งผลต่อการตัดสินใจของโมเดล

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

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()
แก้ไขและรันโค้ด