Machine learningExplainable AI
LIME: Local Interpretable Model-agnostic Explanations
LIME는 2016년 Ribeiro, Singh, Guestrin이 소개한 방법으로, 관심 있는 단일 예측 주변에 단순하고 지역적으로 충실한 대리 모델을 구축하여 모든 블랙박스 분류기 또는 회귀기의 예측을 설명합니다. LIME은 전역 모델을 설명하는 대신, 복잡한 모델(예: 딥 신경망 및 앙상블 기법)을 최종 사용자, 도메인 전문가 및 감사인이 이해할 수 있도록 특정 인스턴스가 왜 그렇게 분류되었는지에 초점을 맞춥니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). Local Interpretable Model-agnostic Explanations (LIME). ScholarGate. https://scholargate.app/ko/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 →