القائمة
Explain ML model predictions using SHAP values, feature importance, and decision paths with visualizations.
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/deathrashed/agents --skill ml-model-explainerيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
Control the in-app Browser for opening, navigating, inspecting visible or interactive page state, clicking, typing, screenshots, and local web testing. It can have existing signed-in sessions. For semantic operations on linked resources, prefer a purpose-built connector, API, or CLI when available.
Control the user's Chrome browser for tasks that depend on existing Chrome state: tabs, logged-in sessions, or extensions. Prefer purpose-built connectors, APIs, or CLIs when available.
Control local Mac apps through Computer Use for tasks that require reading or operating app UI. Prefer purpose-built connectors, APIs, or CLIs when available.
استنادا إلى تصنيف SOC المهني
عرض SKILL.md
| name | ml-model-explainer |
| description | Explain ML model predictions using SHAP values, feature importance, and decision paths with visualizations. |
Explain machine learning model predictions using SHAP and feature importance.
from ml_model_explainer import MLModelExplainer
explainer = MLModelExplainer()
explainer.load_model(model, X_train)
# Explain single prediction
explanation = explainer.explain(X_test[0])
explainer.plot_waterfall('explanation.png')
# Feature importance
importance = explainer.feature_importance()
python ml_model_explainer.py --model model.pkl --data test.csv --output explanations/