ScholarGate
Assistent
Machine learningExplainable AI

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.

Openen in MethodMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

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

Bronnen

  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

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.

Compare side by side

Geciteerd door

ScholarGateLIME (Local Interpretable Model-agnostic Explanations (LIME)). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/machine-learning/lime · Gegevensset: https://doi.org/10.5281/zenodo.20539026