決定木アルゴリズムを使用して分類モデルをトレーニングします。
次の Python コードを実行して、推定器を作成します。変数 feature_names はすべての機能名のリストで、class_names はすべてのクラス名のリストです。
interpret.ext.blackbox インポート TabularExplainer から

すべての機能の重要性を判断することにより、すべてのクラスのモデルによって行われた予測を説明する必要があります。
次の各ステートメントについて、該当する場合は [はい] を選択します。それ以外の場合は、[いいえ] を選択します。
注: それぞれの正しい選択は 1 ポイントの価値があります。

正解:

説明

ボックス 1: はい
TabularExplainer は、下にある 3 つの SHAP Explainer (TreeExplainer、DeepExplainer、または KernelExplainer) のいずれかを呼び出します。
ボックス 2: はい
説明と視覚化をより有益なものにするために、分類を行う場合は、機能名と出力クラス名を渡すことを選択できます。
ボックス 3: いいえ
TabularExplainer はユース ケースに最も適したものを自動的に選択しますが、その下にある 3 つの基礎となる Explainer (TreeExplainer、DeepExplainer、または KernelExplainer) のそれぞれを直接呼び出すことができます。
参照:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-machine-learning-interpretability-aml