变化是0.7.1

• 在估计不确定性中增加了一个正确的用户错误
• 修正了一个基于回归的共形预测在LIME中使用错误规范化的错误
• 增加了一个进度条来估计不确定性

0.7.0的改动

• 添加了新的Operator Interpret Groups，用于当前计算类别之间的平均差异
• 增加了一个新的算子估计不确定性，它使用保形预测来估计预测的不确定性(分类或回归)

0.6.0的改动

• 生成解释现在支持IOTablePrediction模型。这些是(截至9.11):
  • -功能拟合
  • ——XGBoost
  • -异常模型从异常扩展(版本4.0+)
• 修复了如果提供基于python的分类模型而不提供置信度则生成解释失败的错误。现在您将得到一条正确的错误消息。

0.5.0的改动

• 如果你不在每次迭代中重新绘制，LIME现在不会重新对人工表进行评分。这可以大大加快复杂模型和python模型的LIME速度。
• Generate Interpretation现在添加了一个额外的列“explained column”，用于解释解释了哪个列。这对于分类问题非常有用。
• 增加了一个额外的错误信息，当你的模型不知道它的训练标签。在使用Python学习者时，这种情况很少发生。

0.4.1的变化

• 增加了累积的局部效应来产生单变量解释
• 生成单变量解释的属性现在称为PDP(attributeName)和ALE(attributeName)。
• 在Generate Interpretation的解释列中显示的属性数量现在是可配置的。
• 修复了在生成解释中导致只显示最高值而不显示最高绝对值的错误。

0.4.0的改动

• 增加了一个新的操作符生成单变量解释，目前提供PDP作为一个算法。
• 修正了Shapely在2个属性的数据集上失败的错误

0.3.0的改动

• 增加了一个新的操作符生成邻居，返回石灰加权邻居
• 修正了LIME中的一个主要错误，使权重不正确。

0.2.0的变化

*现在支持分组模型

*修正了一个问题，使结果不能重现，即使使用静态随机种子

修正了一个影响名义上计算LIME的错误。名词被当作数字来对待。

0.1.1的改动

*增加了一个图标

修正了一个错误，没有正确的UserError，如果类型的培训和测试是不同的

修正了实数和整数被认为是不同类型的错误。