LIME: Explicații locale interpretabile, agnostice față de model
LIME, introdus de Ribeiro, Singh și Guestrin în 2016, explică predicțiile oricărui clasificator sau regresor de tip cutie neagră prin construirea unui model surogat simplu, fidel la nivel local, în jurul unei predicții specifice de interes. În loc să explice modelul global, LIME se concentrează pe motivul pentru care o instanță specifică a fost clasificată așa cum a fost, făcând modele complexe precum rețelele neuronale profunde și metodele de ansamblu interpretabile pentru utilizatorii finali, experții în domeniu și auditori.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 2). Local Interpretable Model-agnostic Explanations (LIME). ScholarGate. https://scholargate.app/ro/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.
- Explicații contrarealeÎnvățare automată↔ compare
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →