Explabox：面向机器学习透明性与分析的模型无关工具包

我们提出了Explabox：一个用于透明且负责任的机器学习（ML）模型开发与应用的开源工具包。Explabox通过采用四步策略：探索、检视、解释和暴露，来实现可解释、公平且稳健的模型。这些步骤提供模型无关的分析，将复杂的“可消化”（模型和数据）转化为可解释的“可消化”产物。该工具包包含描述性统计、绩效指标、模型行为解释（局部和全局）以及鲁棒性、安全性和公平性评估等digestibles。该工具包以Python实现，支持多种交互方式，基于开源软件包构建。它使模型开发者和测试者能够实际操作化可解释性、公平性、可审计性和安全性。该初始版本专注于文本数据和模型，后续计划进行扩展。Explabox的代码和文档已开源发布于https://explabox.readthedocs.io/。