Explainable Support Vector Machine
Explainable SVM combina una màquina de vectors de suport (SVM) entrenada amb una capa d'interpretabilitat post-hoc —típicament SHAP o LIME— per produir explicacions a nivell de característica per a prediccions individuals i rànquings d'importància global. Conserva el poder discriminatori de la SVM tot complint els requisits de transparència en dominis d'alt risc com la medicina, les finances i el dret.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Lundberg, S. M., & Lee, S. I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765–4774. link ↗
- Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). 'Why should I trust you?': Explaining the predictions of any classifier. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 1135–1144. DOI: 10.1145/2939672.2939778 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Explainable Support Vector Machine (XAI-augmented SVM). ScholarGate. https://scholargate.app/ca/machine-learning/explainable-support-vector-machine
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.
- Arbre de Decisió ExplicableAprenentatge automàtic↔ compare
- Gradient Boosting ExplicableAprenentatge automàtic↔ compare
- Naive Bayes ExplicableAprenentatge automàtic↔ compare
- Random Forest ExplicableAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →