explainable-ml

コンピュータビジョン向け高度なAI説明可能性。CNN、Vision Transformers、分類、物体検出、セグメンテーション、画像類似度などに対応。

解釈可能なモデルを適合させる。ブラックボックス機械学習を説明する。

優れた責任ある機械学習リソースの厳選リスト。

LLM 実験および AI エージェント向けの評価と追跡フレームワーク

Pythonの機械学習およびデータサイエンス向けデバッグ、モニタリング、可視化ツール

🔅 Shapash：信頼性が高く透明性の高い機械学習モデルを開発するための、ユーザーフレンドリーな説明可能性および解釈性ツール

グラフ深層学習研究のためのライブラリ

Responsible AI Toolbox は、AI システムの理解を深めるためのモデルとデータの探索・評価用 UI およびライブラリを提供するツールスイートです。これらのツールにより、AI システムの開発者や関係者は、より責任を持って AI の開発と監視を行い、データに基づいたより良いアクションを起こすことができます。

データおよび機械学習モデルの解釈可能性と説明可能性

簡潔、透明、正確な予測モデリングのための解釈可能なMLパッケージ 🔍 (sklearn互換)

あらゆる機械学習モデルに対して多様な反実仮想説明を生成する

探索と説明のためのモデル非依存言語

XAI - 機械学習用の説明可能性ツールボックス

[貢献者歓迎] Python による一般化加法モデル (GAM)

OmniXAI: 説明可能な AI のためのライブラリ

👋 Xpliqueはニューラルネットワークの説明可能性（Explainability）ツールボックスです

アスペクトベース感情分析 (ABSA): Transformer および説明可能な ML (TensorFlow)