LIME : Explications Locales Interprétables Agnostiques du Modèle

LIME, introduit par Ribeiro, Singh et Guestrin en 2016, explique les prédictions de tout classifieur ou régresseur boîte noire en construisant un modèle substitut simple et localement fidèle autour d'une prédiction unique d'intérêt. Plutôt que d'expliquer le modèle global, LIME se concentre sur la raison pour laquelle une instance spécifique a été classifiée comme telle, rendant les modèles complexes tels que les réseaux neuronaux profonds et les méthodes d'ensemble interprétables pour les utilisateurs finaux, les experts du domaine et les auditeurs.