我通过将模型堆叠在一起建立了Caret集成模型。
模型成功运行，结果令人鼓舞。
当我尝试使用Lime解释黑匣子预测时，挑战就来了。我收到一条错误消息：“模型类必须具有model_type方法”
我唯一遇到此错误的时间是在H20中使用Lime时。随后，Lime背后的家伙发布了一个更新，该更新支持Lime中的H20。
有人知道是否做过任何工作来包括CaretStack以便与Lime一起使用吗？或知道解决此问题的解决方法。
答案 0 :(得分：1)
根据Lime文档，这些是受支持的模型
开箱即用，lime支持以下模型对象：
从插入符开始的火车
来自mlr的包装模型
xgb。来自xgboost的助推器
H2O的H2O模型
keras的keras.engine.training.Model
lda（用于低依赖性示例）
如果您的模型不是以上模型之一，则需要自己实施支持。如果模型具有与插入符号中的predict.train（）相似的预测接口，则将模型包装在as_classifier（）/ as_regressor（）中就足够了以获取支持。
否则，您将需要实现predict_model（）方法和潜在的model_type（）方法（如果省略后者，则该模型每次在lime（）中使用时都应包装在as_classifier（）/ as_regressor（）中。 ））。
您的问题的解决方案：
对于您的情况，CaretStack具有一个与demo.train（）相似的预测接口，因此将模型包装在as_classifier（）或as_regressor（）中就足够了