LIME: Local Interpretable Model-agnostic Explanations

LIME, introduceret af Ribeiro, Singh og Guestrin i 2016, forklarer forudsigelser fra enhver black-box klassifikator eller regressor ved at konstruere en simpel, lokalt trofast surrogatmodel omkring en enkelt forudsigelse af interesse. I stedet for at forklare den globale model, fokuserer LIME på, hvorfor en specifik instans blev klassificeret, som den blev, hvilket gør komplekse modeller som dybe neurale netværk og ensemblemetoder fortolkelige for slutbrugere, domæneeksperter og revisorer.