Как получить объяснения атрибуции функций для логистической регрессии с двумя классами, развернутой из Azure ML Designer ⇐ Python

[Anonymous]

Я работаю над задачей оценки свинца в студии Machine Learning Machine Learning и нуждаюсь в помощи в интеграции модели интерпретируемости в мое развернутое решение.
фон

• 
  
  
  
  
  
  
  arure match Интерфейс). < /p>
  < /li>
  workflow < /strong>: < /p>
  
  Импортированные данные и обученные модели с использованием следующих компонентов дизайнера:
  
  . Модель < /li>
  Оценить модель < /li>
  < /ul>
  < /li>
  Успешно развернула модель как веб -службу; Я могу вызвать API и получить прогнозы для новых данных о ведущих. API. < /P>
  < /li>
  Я попытался использовать функции интерпретации model < /strong> в Azure ML: < /p>
  
  подход 1 < /strong>:
  
  ecleder, но в использовании, но в «Br />». Ошибка: < /p>

  Код: Выделить всё

  NotADirectoryError: [Errno 20] Not a directory: 'model.pkl/model.pkl'
  

• подход 2 [/b]:
  
  Пробовал зарегистрировать подготовленную модель программно с помощью локальных данных и запустить объяснитель, но столкнулся с другой ошибкой на этапе регистрации/br/br/br/>
  
  /> < /ul>

  Код: Выделить всё

      explainer = TabularExplainer(
  model=clf,
  initialization_examples=new_lead,
  features=new_lead.columns.tolist(),
  classes=[0, 1]
  )
  
  print('Done')
  
  # The Below code is not returning the explanation.  No error as well.
  explanation = explainer.explain_local(new_lead)
  
  

  Вопросы
  
  Как я могу генерировать объяснения того, почему лидерство классифицируется как выигранный или теряется с использованием обученной модели в дизайнере Azure ML? Объяснения через API REST? Развернутые модели, обученные дизайнером (включая, как правильно загрузить модель и запустить форму или аналогичные объяснения)? Данные < /p>

  Код: Выделить всё

  import pandas as pd
  import numpy as np
  from sklearn.linear_model import LogisticRegression
  from sklearn.model_selection import train_test_split
  from sklearn.preprocessing import StandardScaler
  from sklearn.pipeline import Pipeline
  import joblib
  
  # Step 1: Generate dummy lead scoring dataset
  df = pd.DataFrame({
  "company_size": np.random.randint(10, 500, 100),
  "annual_revenue": np.random.randint(100000, 10000000, 100),
  "engagement_score": np.random.randint(0, 100, 100),
  "last_contact_days_ago": np.random.randint(1, 60, 100),
  "qualified": np.random.choice([0, 1], 100)
  })
  
  X = df.drop(columns=["qualified"])
  y = df["qualified"]
  
  # Step 2: Train model with pipeline
  pipeline = Pipeline([
  ("scaler", StandardScaler()),
  ("clf", LogisticRegression())
  ])
  
  pipeline.fit(X, y)
  
  # Step 3: Save the model
  joblib.dump(pipeline, "model.pkl")
  print('Done')
  
  # Step 4: Register model in Azure ML
  from azureml.core import Workspace, Model
  
  # Load workspace from config
  ws = Workspace.from_config()
  
  # Step 5: Load model back from registry
  import os
  model = Model(ws, name="lead-logreg-vai1")
  model_dir = model.download(exist_ok=True)
  print("model_dir:", model_dir)
  
  clf = joblib.load(model_dir)
  print("Loaded model type:", type(clf))
  
  # Step 6: Make prediction and interpret with TabularExplainer
  from interpret.ext.blackbox import TabularExplainer
  
  # New lead sample
  new_lead = pd.DataFrame([{
  "company_size": 10,
  "annual_revenue": 20000,
  "engagement_score": 100,
  "last_contact_days_ago": 100
  }])
  
  # Predict probability and class
  proba = clf.predict_proba(new_lead)
  pred = clf.predict(new_lead)
  print(f"Predicted probability: {proba[0][1]:.2f}, Class: {pred[0]}")
  
  explainer = TabularExplainer(
  model=clf,
  initialization_examples=new_lead,
  features=new_lead.columns.tolist(),
  classes=[0, 1]
  )
  
  print('Done')
  
  # The below code is not returning the explanation. No error as well.
  explanation = explainer.explain_local(new_lead)
  

  Может ли кто -нибудь предоставить руководство или указать мне на рабочий пример для достижения следующего в Azure ML Designer :
  
  способ получить объяснения по прогнозу для или нот -блокно ошибки, с которыми я сталкиваюсь с объяснением .

Подробнее здесь: https://stackoverflow.com/questions/797 ... ression-de