ScholarGate
Asisten
Machine learningExplainable AI

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.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

The neighbourhood of related methods — select a node to explore.

LIME: Penjelasan Model-Agnostik yang Dapat Diinterpretasikan Secara Lokal
Penjelasan KontrafaktualRandom ForestK-Tetangga Terdekat yang…Segmentasi Semantik yang…

Sumber

  1. 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.

Compare side by side

Dirujuk oleh

ScholarGateLIME (Local Interpretable Model-agnostic Explanations (LIME)). Diakses 2026-06-15 dari https://scholargate.app/id/machine-learning/lime · Set data: https://doi.org/10.5281/zenodo.20539026