LIME: Lokaal interpreteerbare modelonafhankelijke verklaringen
LIME, geïntroduceerd door Ribeiro, Singh en Guestrin in 2016, verklaart de voorspellingen van elke black-box classificator of regressor door een eenvoudig, lokaal trouw surrogaatmodel te construeren rond een enkele voorspelling van interesse. In plaats van het globale model te verklaren, richt LIME zich op waarom een specifieke instantie op een bepaalde manier werd geclassificeerd, waardoor complexe modellen zoals diepe neurale netwerken en ensemblemethoden interpreteerbaar worden voor eindgebruikers, domeinexperts en auditors.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 2). Local Interpretable Model-agnostic Explanations (LIME). ScholarGate. https://scholargate.app/nl/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.
- Contrafactische VerklaringenMachine learning↔ compare
- Random ForestMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →