Explainable Voting Ensemble
An Explainable Voting Ensemble combines predictions from multiple diverse base models through majority vote (hard voting) or averaged probabilities (soft voting), then applies post-hoc or ante-hoc XAI techniques — such as SHAP values, LIME, or permutation importance — to produce feature-level explanations for the combined model's decisions. The goal is to retain the accuracy gains of ensemble aggregation while meeting interpretability requirements in high-stakes or regulated applications.
Record di origine
Citazioni copiate testualmente dal record di origine del metodo. Non si inferisce alcuna verifica a livello di affermazione da esse.
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765–4774. · URL
- Rokach, L. (2010). Ensemble-based classifiers. Artificial Intelligence Review, 33(1–2), 1–39. · DOI 10.1007/s10462-009-9124-7
Affermazioni curate
Affermazioni persistite nel registro delle evidenze, ciascuna con la propria valutazione.
Questa vista non inventa una valutazione dell'affermazione quando il registro non ne ha.
Metodi correlati
Generato dal grafo dei metodi e mostrato come relazioni suggerite dalla macchina — nessuna affermazione di evidenza viene inferita.