Explainable Machine Learning with LIME and H2O in R
Use LIME and H2O for automatic and interpretable machine learning
Build Classification Models with AutoML
Explain and Interpret the Model Predictions using LIME
Welcome to this hands-on, guided introduction to Explainable Machine Learning with LIME and H2O in R. By the end of this project, you will be able to use the LIME and H2O packages in R for automatic and interpretable machine learning, build classification models quickly with H2O AutoML and explain and interpret model predictions using LIME. Machine learning (ML) models such as Random Forests, Gradient Boosted Machines, Neural Networks, Stacked Ensembles, etc., are often considered black boxes. However, they are more accurate for predicting non-linear phenomena due to their flexibility. Experts agree that higher accuracy often comes at the price of interpretability, which is critical to business adoption, trust, regulatory oversight (e.g., GDPR, Right to Explanation, etc.). As more industries from healthcare to banking are adopting ML models, their predictions are being used to justify the cost of healthcare and for loan approvals or denials. For regulated industries that use machine learning, interpretability is a requirement. As Finale Doshi-Velez and Been Kim put it, interpretability is "The ability to explain or to present in understandable terms to a human.". To successfully complete the project, we recommend that you have prior experience with programming in R, basic machine learning theory, and have trained ML models in R. Note: This course works best for learners who are based in the North America region. We’re currently working on providing the same experience in other regions.
Habilidades que você desenvolverá
Aprender passo a passo
Em um vídeo reproduzido em uma tela dividida com a área de trabalho, seu instrutor o orientará sobre esses passos:
Introduction and Project Overview
Import Libraries and Load the IBM HR Employee Attrition Data
Preprocess Data using Recipes
Start H2O Cluster and Create Train/Test Splits
Run AutoML to Train and Tune Models
Leaderboard Exploration
Model Performance Evaluation
Local Interpretable Model-Agnostic Explanations (LIME)
Apply LIME to Interpret Model Outcomes
Como funcionam os projetos guiados
Sua área de trabalho é um espaço em nuvem, acessado diretamente do navegador, sem necessidade de nenhum download
Em um vídeo de tela dividida, seu instrutor te orientará passo a passo
Avaliações
Principais avaliações do EXPLAINABLE MACHINE LEARNING WITH LIME AND H2O IN R
A Nice choice of the contents in this course, I must say! A good guided that I should recommend everyone to take. Good luck!
It was an interesting course, explaining hat is happening inside a machine learning algorithm.
Perguntas Frequentes – FAQ
Perguntas Frequentes – FAQ
O que eu ganho se comprar projetos guiados?
Os projetos guiados estão disponíveis no computador e em dispositivos móveis?
Quem são os instrutores dos projetos guiados?
Posso baixar o trabalho do meu projeto guiado após completá-lo?
Como funciona a política de reembolso?Como funciona a política de reembolso?
Existe algum auxílio financeiro disponível?
Posso participar como ouvinte de um projeto guiado e assistir de graça a uma parte do vídeo?
Quanta experiência eu preciso ter para fazer esse projeto guiado?
Posso completar esse projeto guiado pelo meu navegador web em vez de instalar um software especial?
Como é a experiência de aprendizado com os projetos guiados?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
Coursera Footer
