bit modify

konabuta · Sep 24, 2019 · b57fcc5 · b57fcc5
1 parent 8103251
commit b57fcc5
Show file tree

Hide file tree

Showing 3 changed files with 11 additions and 11 deletions.
diff --git a/Azure-Machine-Learning-service.md b/Azure-Machine-Learning-service.md
@@ -6,7 +6,7 @@ Azure Machine Learning service は、機械学習/深層学習のプロセスを
 
 <img src="https://docs.microsoft.com/en-us/azure/machine-learning/service/media/concept-azure-machine-learning-architecture/workflow.png" width = "500">   
 
-[こちらのスライド](Presentation/AzureML概要.pptx)もご参照ください。
+[こちらのスライド](https://www.slideshare.net/keitaonabuta/azure-machine-learning-service-20199)もご参照ください。
 <br/><br/>
 
 
@@ -37,7 +37,7 @@ Azure Machine Learning service が提供するモデル解釈ライブラリ。
 
 
 ### Mimic
-**Global Surrogate** に対応したモデル解釈に対応する Explainer です。
+**Global Surrogate** に対応する Explainer です。
 
 Azure Machine Learning では、`LightGBM` `Linear Regression` `SGD` `Decision Tree` が利用できます。
 
@@ -61,7 +61,7 @@ explainer = MimicExplainer(model,
 <br/>
 
 ### Feature Permutation
-**Permutation Feature Importance** に対応した Explainer です。
+**Permutation Feature Importance** に対応する Explainer です。
 
 ```python
 from azureml.explain.model.permutation.permutation_importance import PFIExplainer 
@@ -76,7 +76,7 @@ explainer = PFIExplainer(model,
 
 ### Tabular Explainer
 
-**SHAP** に対応した Explainer です。
+**SHAP** に対応する Explainer です。
 - ツリーベースのモデルの場合は、SHAP TreeExplainer を適用
 - DNN モデルの場合は、SHAP DeepExplainer を適用
 - BlackBox モデルとして扱う場合は、SHAP KernelExplainer を適用

diff --git a/PowerBI.md b/PowerBI.md
@@ -1,16 +1,16 @@
 # Power BI
 
-Power BI は、エンタープライズまでスケール可能な **セルフサービス BI**サービスです。膨大なデータに対して、簡単なマウス操作で、傾向を分析＆“見える化”し重要な気づきを発掘することができます。
+Power BI は、エンタープライズまでスケール可能な **セルフサービス BI** サービスです。膨大なデータに対して、簡単なマウス操作で、傾向を分析＆“見える化”し重要な気づきを発掘することができます。
 
 <img src="docs/images/powerbi-pic.png" width=600>
 <br/>
 
-*2019年 Gartner「Magic Quadrant for Analytics and Business Intelligence Platforms」において Leader に選出されています。*
+*2019年 Gartner「Magic Quadrant for Analytics and Business Intelligence Platforms」において Leader に選出されています。([View report](https://info.microsoft.com/ww-landing-gartner-mq-bi-analytics-2019.html?LCID=EN-US))*
 <br/><br/>
 
 ## Key Influencers
 
-Key influencers は、データに存在する KPI の要因探索を実現するビジュアル機能です。
+Key influencers は、データに存在する **KPI の要因探索** を実現するビジュアル機能です。
 
 <img src="docs/images/keyinfluencers-pic.png" width=500>
 <br/><br/>

diff --git a/README.md b/README.md
@@ -32,10 +32,10 @@
 | Power BI - Key Influencers | [Power BI](Sample/Key-Influencers/titanic-sample.pbix) | Interpretable| KPI 要因探索ビジュアル機能 |
 | Azure ML Automated ML + Interpretability SDK | [Azure ML service Python SDK](Sample/Automated-Machine-Learning) | Model-Agnostic | 自動機械学習 + モデル解釈統合フレームワーク| 
 | Microsoft InterpretML | [Python - Classification](Sample/Interpret/FactoryQC-InterpretML-classification.ipynb) | Interpretable | Microsoft Interpret ML によるモデル開発のサンプルコード| 
-| Global Surrogate | _作成中_<!--[Python](Sample/Global-Surrogate)--> | Model-Agnostic | Decision Tree (決定木) を用いたモデル開発のサンプルコード| 
-| Permutation Feature Importance |_作成中_<!--[Python](Sample/PFI)--> | Model-Agnostic | Linear Regression (線形回帰) を用いたモデル開発のサンプルコード| 
-| LIME | _作成中_<!--[Python](Sample/LIME)--> | Model-Agnostic | Microsoft Interpret ML によるモデル開発のサンプルコード| 
-| SHAP | _作成中_<!--[Python](Sample/SHAP)--> | Model-Agnostic | Microsoft Interpret ML によるモデル開発のサンプルコード|
+| Global Surrogate | _作成中_<!--[Python](Sample/Global-Surrogate)--> | Model-Agnostic | Global Surrogate を用いたモデル解釈| 
+| Permutation Feature Importance |_作成中_<!--[Python](Sample/PFI)--> | Model-Agnostic | PFI を用いたモデル解釈| 
+| LIME | _作成中_<!--[Python](Sample/LIME)--> | Model-Agnostic | LIME によるモデル解釈| 
+| SHAP | _作成中_<!--[Python](Sample/SHAP)--> | SHAP によるモデル解釈|
 
 
 <br/>