LIME: Penjelasan Model-Agnostik yang Dapat Diinterpretasikan Secara Lokal
LIME, diperkenalkan oleh Ribeiro, Singh, dan Guestrin pada tahun 2016, menjelaskan prediksi dari pengklasifikasi atau regressor kotak hitam apa pun dengan membangun model pengganti yang sederhana dan setia secara lokal di sekitar prediksi tunggal yang diminati. Alih-alih menjelaskan model global, LIME berfokus pada mengapa suatu instans spesifik diklasifikasikan seperti itu, membuat model kompleks seperti jaringan saraf dalam dan metode ansambel dapat diinterpretasikan oleh pengguna akhir, pakar domain, dan auditor.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 2). Local Interpretable Model-agnostic Explanations (LIME). ScholarGate. https://scholargate.app/id/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.
- Penjelasan KontrafaktualPembelajaran Mesin↔ compare
- Random ForestPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →