在0.6.0 ----------------中的更改

• 生成解释现在支持IOTablePrediction Models。这些是(从RM 9.11开始):
  • ——函数拟合
  • ——XGBoost
  • -异常扩展中的异常模型(4.0+版本)
• 修正了一个生成解释失败的错误，如果你提供的基于python的分类模型没有提供置信度。现在您会得到一个正确的错误消息。

0.5.0 = = = = = =版本

• 如果您不在每次迭代中重新绘制，LIME现在不会重新评分人工表。这可以大大提高复杂和python模型的LIME速度。
• 生成解释现在增加一个额外的列“解释列”来解释哪一列被解释了。这对于分类问题非常有用。
• 当你的模型不知道它的训练标签时，增加了一个额外的错误消息。当您使用Python Learner时，很少会发生这种情况。

0.4.1 = = = = = =版本

• 增加累积局部效应生成单变量解释
• 生成单变量解释的属性现在称为PDP(attributeName)和ALE(attributeName)。
• 在生成解释的解释列中显示的属性的数量现在是可配置的。
• 修正了在生成解释中只显示顶部值而不显示顶部绝对值的错误。

=== 0.4.0版本===

• 增加了一个新的操作符生成单变量解释，目前提供PDP作为算法。
• 修正了Shapely在具有2个属性的数据集上失败的错误

== 0.3.0版本===

• 增加了一个新的操作符Generate Neighborhood，它返回lime加权的邻域
• 修正了LIME中的一个主要错误，使重量不正确。

=== 0.2.0版本===

*现在支持分组模型

*修正了一个问题，使结果不可复制，即使使用静态随机种子

*修正了一个影响计算名义上的LIME的错误。名词性被当作数字来对待。

== 0.1.1版本===

增加了一个图标

*修正了一个错误，如果培训和测试类型不同，没有适当的UserError

*修正了实数和整数被认为是不同类型的错误。