В этом блоге мы хотели бы рассказать, как объяснимость модели может помочь сделать осознанный выбор при работе с моделями выживания, демонстрируя возможности пакета Survex R. Анализ выживания и объяснимость Говоря о машинном обучении, большинство людей имеют в виду задачи классификации и регрессии, поскольку они наиболее популярны. Однако эти задачи — не единственное применение моделей ML. Еще одним популярным, особенно в области медицины и страхования, является анализ выживания,..

Индивидуальная информационная панель объяснителя (XAI) в Python Пытаясь объяснить прогнозы и модели для консалтинговой компании в Германии, я наткнулся на репозиторий github объяснительной панели: GitHub — oegedijk/explainerdashboard: Быстрое создание объяснимых панелей управления ИИ, которые показывают внутреннюю… автор: Oege Dijk Этот пакет позволяет быстро развернуть веб-приложение панели управления, которое объясняет работы… github.com..

Может показаться, что особого выбора у нас нет, ведь самые популярные языки в науке о данных — это R и Python или, если хотите, Python и R. Но сегодня мы говорим не об этих языках! Во время конференции useR!2022 мы можем встретиться с английским, испанским и французским языками. Из-за того, что нам близок только английский язык, мы создавали наши мастер-классы и статьи на этом языке. Но! Можно ли организовать семинар на другом языке? Да, это можно сделать, и мы это сделали! Мы..

В предыдущем сообщении в блоге ( Понимание прогнозов сверточных нейронных сетей: карты значимости ) мы обсудили важность понимания того, как модели глубокого обучения получают свои прогнозы, особенно в контексте сверточных нейронных сетей (CNN), используемых для классификации изображений. задания. Мы изучили документ Глубоко внутри сверточных сетей: визуализация моделей классификации изображений и карт значимости , который предоставил способ визуализации активации функций CNN и определения..