前段时间，由于自身的原因（懒癌发作）以及项目工作比较忙的缘故，最后一篇有关camelot做表格抽取的水文一直没有动笔。本文主要是梳理一下camelot是怎么进行非线框表格抽取的，望各位看官多提宝贵意见，轻拍。

距离写完《camelot是怎么做表格抽取的（一）—— camelot框架概览》这篇水文有不短的时间了，今天又忽然想起了它，所以就继续梳理（水）一些有关camelot抽取线框类表格的东西。

近期的项目需求需要开发一个后台服务，该后台服务需要把中间状态和结果写到数据库中以便后续查询。出于开发的便捷性，最终选定了MongoDB。由于后台服务用python开发，服务框架基于flask，所以就搜集整理了MongoDB，及其在python和flask中使用的相关的资料。在这里把相关的资料记录分享出来，方便自己以及其它有需求的小伙伴查阅 ^_^。

由于项目需要，最近对各种开源的pdf表格抽取框架进行了调研，camelot是效果比较好的框架之一。本文对camelot框架进行了简单的梳理，主要包括与camelot相关的一些资源以及camelot的各项功能。有关camelot具体功能的梳理与剖析会在后续的文章中陆续给出，欢迎各位看官阅读、点赞、收藏。

pdfplumber是一款完全用python开发的pdf解析库，对于线框完全的表格，pdfminer能给出比较好的抽取效果，但是对于线框不完全（包含无线框）的表格，其效果就差了不少。因为在实际项目所需处理的pdf文档中，线框完全及不完全的表格都比较多，所以为了能够理解pdfplumber实现表格抽取的原理和方法，找到改善、提升表格抽取效果的方法，这里对pdfplubmer的代码逻辑进行了梳理。由于所涉及的内容比较多，所以计划分为三部分进行整理：1. 介绍pdfplumber及其表格抽取流程, 2. 梳理pdfplumber表格线检测逻辑, 3. 梳理pdfplumber表格生成逻辑。本文是第三部分。

pdfplumber是一款完全用python开发的pdf解析库，对于线框完全的表格，pdfminer能给出比较好的抽取效果，但是对于线框不完全（包含无线框）的表格，其效果就差了不少。因为在实际项目所需处理的pdf文档中，线框完全及不完全的表格都比较多，所以为了能够理解pdfplumber实现表格抽取的原理和方法，找到改善、提升表格抽取效果的方法，这里对pdfplubmer的代码逻辑进行了梳理。由于所涉及的内容比较多，所以计划分为三部分进行整理：1. 介绍pdfplumber及其表格抽取流程, 2. 梳理pdfplumber表格线检测逻辑, 3. 梳理pdfplumber表格生成逻辑。本文是第二部分。

pdfplumber是一款完全用python开发的pdf解析库，对于线框完全的表格，pdfminer能给出比较好的抽取效果，但是对于线框不完全（包含无线框）的表格，其效果就差了不少。因为在实际项目所需处理的pdf文档中，线框完全及不完全的表格都比较多，所以为了能够理解pdfplumber实现表格抽取的原理和方法，找到改善、提升表格抽取效果的方法，这里对pdfplubmer的代码逻辑进行了梳理。由于所涉及的内容比较多，所以计划分为三部分进行整理：1. 介绍pdfplumber及其表格抽取流程, 2. 梳理pdfplumber表格线检测逻辑, 3. 梳理pdfplumber表格生成逻辑。本文是第一部分。

很多指标都是在总体样本上衡量特征的影响，但是针对某一特定样本，该如何表示各个特征对其预测结果的影响呢？针对某一样本的预测结果，SHAP值通过跟基线结果作比较，得出各个特征的取值分别对预测结果的影响程度。

部分依赖图可以用来展示一个特征是怎样影响模型预测的。可以用部分依赖图回答一些与下面这些类似的问题：1. 假如保持其它所有的特征不变，经纬度对房价有什么影响？换句话说，相同大小的房子，在不同的地方价格会有什么差别？2. 在两组不同的人群上，模型预测出的健康水平差异是由他们的负债水平引起的，还是另有原因？

当训练得到一个模型之后，除了对模型的预测感兴趣之外，我们往往还想知道模型中哪些特征更重要，哪些特征对对预测结果的影响最大。Permutaion Importance，排列重要性，就是一种衡量特种重要性的方法。