LIME: Explicaciones Locales Interpretables Agnósticas al Modelo

LIME, introducido por Ribeiro, Singh y Guestrin en 2016, explica las predicciones de cualquier clasificador o regresor de caja negra construyendo un modelo sustituto simple y localmente fiel alrededor de una predicción única de interés. En lugar de explicar el modelo global, LIME se enfoca en por qué una instancia específica fue clasificada de la manera en que lo fue, haciendo que modelos complejos como redes neuronales profundas y métodos de ensamblaje sean interpretables para usuarios finales, expertos del dominio y auditores.