LIME: Local Interpretable Model-agnostic Explanations

LIME, eingeführt von Ribeiro, Singh und Guestrin im Jahr 2016, erklärt die Vorhersagen jedes beliebigen Black-Box-Klassifikators oder Regressors, indem es ein einfaches, lokal getreues Surrogatmodell um eine einzelne Vorhersage von Interesse aufbaut. Anstatt das globale Modell zu erklären, konzentriert sich LIME darauf, warum eine spezifische Instanz so klassifiziert wurde, wie sie klassifiziert wurde, und macht komplexe Modelle wie tiefe neuronale Netze und Ensemble-Methoden für Endbenutzer, Domänenexperten und Auditoren interpretierbar.