aix360-gec

记录一下学习过程，官方的代码在https://github.com/Trusted-AI/AIX360/tree/master/examples/gce。

分组条件期望（GroupedCE）解释程序

分组条件期望（GroupedCE）解释器是一个本地的、与模型无关的解释器，它为给定的实例和一组功能生成分组条件期望图。特征集可以是用户定义的输入协变量的子集，也可以是基于全局解释器（例如SHAP）提供的重要性的前K个特征。解释器生成三维图，包含特征对同时变化时的模型输出。如果提供了单个特征，则解释器生成标准的2D ICE图，其中一次仅扰动一个特征。

创建虚拟环境

为了避免环境污染，为aix360的实验创建一个虚拟环境。
https://blog.csdn.net/weixin_45735391/article/details/133197625

导包

import os
# to suppress unrelated tensorflow warnings while importing aix360.datasets
os.environ["TF_CPP_MIN_LOG_LEVEL"] = "3"
import numpy as np
import pandas as pd

加载数据集

数据来自这里。该数据集的标准化版本可以在 sklearn找到。如来源链接中所述，该数据集由10个基线变量组成，年龄、性别、体重指数、平均血压，为n=442名糖尿病患者中的每一位获得了6个血清测量值，以及感兴趣的反应，即基线后一年疾病进展的定量测量值。

划分训练集和测试集：

• test_size=0.2：测试机占比20%
• random_state=42：随机数的种子
  随机数种子：其实就是该组随机数的编号，在需要重复试验的时候，保证得到一组一样的随机数。比如你每次都填1，其他参数一样的情况下你得到的随机数组是一样的。但填0或不填，每次都会不一样。
• return_only_numerical=True：把SEX这一列特征去掉

from aix360.datasets import DiabetesDataset

x_train, x_test, y_train, y_test, feature_names, target_names = DiabetesDataset().load_data(test_size=0.2, random_state=42, return_only_numerical=True)

刚运行就报错，确实有点烦。。。

根据提示找到__init__.py文件

运行一下diabetes_dataset.py里面的代码试试

没有requests模块，问题不大，pip install就好了

pip install requests

再次运行diabetes_dataset.py里面的代码，已经不报错了。
好像有点顺利，然后再次运行刚才的代码，还是那个错误，咦?重启一下notebook，OK了，确实有点顺利，哈哈哈。。。
它这个报错只是告诉你不能正常加载数据集，而不是直接告诉你缺少requests模块，有点坑。。。

Diabetes数据集有10个特征，前面把SEX去掉了，所以还剩下age、bmi、bp、s1、s2、s3、s4、s5、s6这九个特征。
下面是这九个特征的直方图。

import matplotlib.pyplot as plt

plt.figure(figsize = (24,20))
for i in np.arange(x_train.shape[1]):
    plt.subplot(10,5,i+1)
    plt.title(feature_names[i])
    plt.hist(x_train[:,i], 20, label = 'train',density = True,alpha = 0.5)
    plt.hist(x_test[:,i], 20, label = 'test',density = True,alpha = 0.5)
    plt.legend()
plt.tight_layout()
plt.show()

运行结果：

训练模型

用scikit-learn的RandomForestRegressor模型进行训练。

from sklearn.ensemble import RandomForestRegressor

clf = RandomForestRegressor().fit(x_train, y_train)

print('Score on train data :',clf.score(x_train, y_train))
print('Score on test data :',clf.score(x_test, y_test))

运行结果：

Score on train data : 0.9225497874165971
Score on test data : 0.40015247074701676

计算独立条件期望ICE

独立条件期望图（Individual Conditional Expectation Plot，ICE)，描述的是每个个体的预测值与单一变量之间的关系，为每个实例显示一条曲线，显示当特征发生变化时实例的预测如何变化，可视化预测对每个实例的特征的关系。

ICE图的优点在于易于理解，能够避免数据异质的问题；缺点在于只能反映单一特征变量与目标之间的关系，受制于变量独立假设的要求，同时ICE图像往往由于个体过多导致图像看起来过于冗杂，不容易获取解释信息。

pip install shap

又报错，奇奇怪怪的毛病真多。。。

运行下面的命令，安装成功，重启一下notebook。

pip install --user -i https://pypi.tuna.tsinghua.edu.cn/simple shap

from aix360.algorithms.gce.gce import GroupedCEExplainer

n_test_samples = 25 # number of instances to explain
n_samples = 100 # number of samples to generate for selected feature

ice_explanations = {}
for i, feature_col in enumerate(feature_names):
    ice_explainer = GroupedCEExplainer(model=clf.predict,
                                       data=x_train, 
                                       feature_names=feature_names,
                                         n_samples=n_samples,
                                         features_selected=[feature_col],
                                        random_seed=22
                                  )
    ice_explanations[feature_col] = []
    for i in range(n_test_samples):
        ice_explanations[feature_col].append(ice_explainer.explain_instance(instance=x_test[[i], :]))

一步一个bug，刺激。。。

首先，在base环境下安装widgetsnbextension：

conda activate base
pip install widgetsnbextension

然后，回到运行环境，安装ipywidgets：

conda activate aix360
pip install ipywidgets

装完再重启一下notebook。
有个警告。。。

本来想着再找一下源码，额，还是太天真了。。。没找着tqdm在哪，，，干脆在前面加上。。。然后就没这个提示了。。。

from tqdm import tqdm

plot_ice_explanation

plots.prot_ice_explanation具有用于绘制ICE解释的辅助代码。对于不同的数据集或绘图变体，可以更新代码“plots.py”。

pip install plotly

from plots import plot_ice_explanation
plot_ice_explanation(ice_explanations, title="GroupedCE (Individual Conditional Expectation) Explanation Plot for {}-{} Test Instances.".format(0, n_test_samples-1))

运行结果：

根据以上ICE图，模型预测随着BMI和BP特征的增加而线性增加。

计算分组条件期望 (GCE)

初始化GroupedCEExplainer以计算每个特征的GCE分数。该解释是为单个实例计算的局部解释。结果网格中的每个单元格都解释了特征值的组合（例如BPM和BP）如何影响模型预测。

from aix360.algorithms.gce.gce import GroupedCEExplainer

n_samples = 100
top_k_features = 4

# initialization
groupedce_explainer = GroupedCEExplainer(model=clf.predict,
                                         data=x_train, 
                                         feature_names=feature_names,
                                         n_samples=n_samples,
                                         top_k_features=top_k_features,
                                        random_seed=22)

运行结果：

Considering Top 4 features according to SHAP: ['S5', 'S3', 'BP', 'BMI']

i = 0
x_instance = x_test[[i], :]

# compute explanation
groupedce_explanation = groupedce_explainer.explain_instance(instance=x_instance)

plot_gce_explanation

plots.plot_gce_explanation具有用于绘制GroupedCE（gce）解释的辅助代码。对于不同的数据集或绘图变体，可以更新代码“plots.py”。

pip install -U kaleido

from IPython.display import Image
from plots import plot_gce_explanation

title="Grouped Conditional Expectation (GCE) Plots for Test Instance {} and Selected Features {}".format(i, groupedce_explanation['selected_features'])

fig = plot_gce_explanation(groupedce_explanation, title=title)
dataset_plot_bytes = fig.to_image(format="png", width=1000, height=1000)
Image(dataset_plot_bytes)

运行结果：

上述GCE图显示，与BP、S3和S5相比，BMI对模型预测的影响更大。