ScholarGate
Pembantu
Machine learningExplainable AI

LIME: Penjelasan Model Boleh Ditafsir Secara Lokal dan Model-Agnostik

LIME, diperkenalkan oleh Ribeiro, Singh, dan Guestrin pada tahun 2016, menjelaskan ramalan mana-mana pengelas atau peramal kotak hitam dengan membina model surogat yang ringkas dan setia secara tempatan di sekeliling ramalan tunggal yang diminati. Daripada menjelaskan model global, LIME menumpukan pada sebab mengapa contoh tertentu dikelaskan seperti itu, menjadikan model kompleks seperti rangkaian saraf dalam dan kaedah ensemble boleh ditafsirkan oleh pengguna akhir, pakar domain, dan juruaudit.

Buka dalam MethodMindTidak lama lagiVideoTidak lama lagiDownload slides

Baca kaedah sepenuhnya

Ahli sahaja

Log masuk dengan akaun percuma untuk membaca bahagian ini.

Log masuk

Method map

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

LIME: Penjelasan Model Boleh Ditafsir Secara Lokal dan Model-Agnostik
Penjelasan KontrafaktualRandom ForestK-Nearest Neighbors Bole…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 memetik halaman ini

ScholarGate. (2026, June 2). Local Interpretable Model-agnostic Explanations (LIME). ScholarGate. https://scholargate.app/ms/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)). Dicapai 2026-06-15 daripada https://scholargate.app/ms/machine-learning/lime · Set data: https://doi.org/10.5281/zenodo.20539026