LIME: Локално интерпретируеми моделно-независими обяснения
LIME, въведен от Рибейро, Сингх и Гестрин през 2016 г., обяснява предвижданията на всеки "черна кутия" класификатор или регресор, като изгражда прост, локално верен сурогатен модел около едно конкретно предвиждане. Вместо да обяснява глобалния модел, LIME се фокусира върху това защо даден конкретен случай е бил класифициран по определен начин, правейки сложни модели като дълбоки невронни мрежи и ансамблови методи интерпретируеми за крайни потребители, експерти по предметната област и одитори.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). "Why should I trust you?": Explaining the predictions of any classifier. ACM SIGKDD, 1135–1144. DOI: 10.1145/2939672.2939778 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Local Interpretable Model-agnostic Explanations (LIME). ScholarGate. https://scholargate.app/bg/machine-learning/lime
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.
- Контрафактуални обясненияМашинно обучение↔ compare
- Случайна гораМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →