LIME: Paikalliset tulkittavat mallista riippumattomat selitykset
Ribeiron, Singhin ja Guestrinin vuonna 2016 esittelemä LIME selittää minkä tahansa mustan laatikon luokittelijan tai regressioanalyysin ennusteita rakentamalla yksinkertaisen, paikallisesti uskollisen korvikemallin yhden kiinnostavan ennusteen ympärille. Sen sijaan, että LIME selittäisi globaalia mallia, se keskittyy siihen, miksi tietty instanssi luokiteltiin tietyllä tavalla, tehden monimutkaisista malleista, kuten syvistä neuroverkoista ja ensemble-menetelmistä, tulkittavia loppukäyttäjille, asiantuntijoille ja auditoijille.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 2). Local Interpretable Model-agnostic Explanations (LIME). ScholarGate. https://scholargate.app/fi/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.
- Kontrafaktuaaliset selityksetKoneoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →