如何解释 imblearn 管道的预测？

Question

我有一个imblearn（不是 sklearn）管道，包含以下步骤：

1. 列选择器

2. 预处理管道（不同列上具有 OneHotEncoders 和 CountVectorizers 的 ColumnTransformer）

3. imblearn 的 SMOTE

4. XGB分类器

我有一个表格数据集，我正在尝试解释我的预测。我设法通过一些工作绘制出特征重要性图，但无法让 eli5 或 Lime 工作。

Lime 要求我将数据转换为上次转换之前的状态（因为管道中的转换器（如自定义矢量化器）会创建新列）。原则上，我可以像这样分割我的 Pipeline：pipeline[:-1].predict(instance)。但是，我收到以下错误：{AttributeError}'SMOTE' object has no attribute 'predict'。

我还尝试了 eli5 解释器，因为据说它可以与 Sklearn Pipelines 配合使用。但是，运行后eli5.sklearn.explain_prediction.explain_prediction_sklearn_not_supported(pipeline, instance_to_explain)我收到不支持分类器的消息。

将不胜感激有关如何继续此操作的任何想法。

Answer 1

Imblearn 的采样器在预测期间实际上是无操作（即身份）转换器。因此，在安装管道后删除它们应该是安全的。尝试以下工作流程：构建 Imblearn 管道并安装它。将已安装的 Imblearn 管道的步骤提取到新的 Scikit-Learn 管道。删除 SMOTE 步骤。使用标准 Scikit-Learn 管道解释工具解释您的预测。