Machine learning
SHAP (SHapley Additive exPlanations)
SHAP هي طريقة لتفسير النماذج، قدمها سكوت لوندبرغ وسو-إن لي في عام 2017، تستخدم قيم شابلي (Shapley values) من نظرية الألعاب التعاونية لقياس مساهمة كل ميزة في تنبؤ فردي، مما يجعل مخرجات نماذج التعلم الآلي الصندوق الأسود قابلة للتفسير. وهي تدعم التفسيرات الشاملة (الأهمية الإجمالية للميزات) والتفسيرات المحلية (سبب ظهور تنبؤ معين بهذه الطريقة).
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Lundberg, S.M. & Lee, S.-I. (2017). A Unified Approach to Interpreting Model Predictions. Advances in Neural Information Processing Systems, 30, 4766–4777. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 1). SHAP (SHapley Additive exPlanations). ScholarGate. https://scholargate.app/ar/machine-learning/shap-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- شجرة القرار (Decision Tree)تعلم الآلة↔ compare
- نموذج الخليط الغاوسي (Gaussian Mixture Model)تعلم الآلة↔ compare
- الانحدار اللوجستيإحصاء البحث↔ compare
- الغابات العشوائيةتعلم الآلة↔ compare
- XGBoostتعلم الآلة↔ compare