石灰包无法获得CaretStack的预测

通过将模型堆叠在一起，我构建了一个插入符号集合模型

模型运行成功，我得到了令人鼓舞的结果

当我试图用石灰来解释黑盒预测时，挑战来了。我在说“模型类必须有模型类型方法”时出错

我唯一一次遇到这样的错误是在H20中使用石灰时。随后，Lime背后的人发布了一个更新，支持Lime中的H20

---

有人知道是否已经做了任何工作，包括用于石灰的CaretStack？或者知道解决此问题的解决方法。

根据Lime文档，这些是受支持的模型

现成的lime支持以下模型对象：

从插入符号开始训练

来自mlr的WrappedModel

xgb.来自xgb增压器的增压器

h2o模型

来自keras的keras.engine.training.Model

来自MASS的lda（用于低依赖性示例）

如果您的模型不是上述模型之一，您需要自己实现支持。如果模型有一个predict接口，它模仿caret中predict.train（）的接口，那么将模型包装成as_classifier（）/as_regressor（）就足以获得支持

否则，您将需要实现predict_model（）方法，并可能实现model_type（）方法（如果省略了后者，则每次在lime（）中使用该模型时，都应将其包装为作为_分类器（）/作为_回归器（）

问题的解决方案：

---

就您的情况而言，CaretStack有一个与predict.train（）类似的predict接口，因此将您的模型包装为as_分类器（）或as_回归器（）就足够了

@Bokkiem，如果这能回答您的问题，请接受。通过单击与我的答案关联的勾号接受。