LIME的用法避坑

最近发现一个容易掉入的坑，这里记录一下，说明正确简单的LIME用法来解释复杂模型。

LIME的使用需要考虑两个模型， 一个被解释的模型（Reference Model），一个模型（interpret Model）用来解释。先训练、测试被解释的模型， 这里用MyModel命名。然后开始解释工作。

先导入库：

1. # 创建解释器
2. import lime
3. import lime.lime_tabular

创建解释器实例：

1. explainer = lime.lime_tabular.LimeTabularExplainer( TrainData,
2.                                                    feature_names=FeaturesSet,
3.                                                   mode='regression')
4. # 解释某一个样本
5. exp = explainer.explain_instance( TestDataRow
6.                                 MyModel.predict()，model_regressor=None)

展示解释结果：

1. exp.show_in_notebook(show_table=True, show_all=False)

 注意点：

解释器explainer传入的预测函数是被解释模型的，不是解释模型的。LIME内置了解释模型，默认是Ridge线性回归模型。如果想更改解释模型，修改model_regressor参数为自定义模型名字。