LIME: Helyi értelmezhető modellagnosztikus magyarázatok
A LIME, amelyet Ribeiro, Singh és Guestrin vezetett be 2016-ban, bármely feketedoboz-osztályozó vagy regresszor jóslatait magyarázza meg azáltal, hogy egy egyszerű, lokálisan hű szurrogátummodellt épít fel egyetlen, érdeklődésre számot tartó jóslat köré. A globális modell magyarázata helyett a LIME arra összpontosít, hogy miért osztályozták egy adott példányt a módon, ahogyan azt tették, így az olyan komplex modellek, mint a mély neurális hálózatok és az együttes módszerek, értelmezhetővé válnak a végfelhasználók, domain szakértők és könyvvizsgálók számára.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 2). Local Interpretable Model-agnostic Explanations (LIME). ScholarGate. https://scholargate.app/hu/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.
- Kontrafaktuális magyarázatokGépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →