SHAP (SHapley Additive exPlanations)
SHAP është një metodë për shpjegimin e modeleve, prezantuar nga Scott Lundberg dhe Su-In Lee në 2017, e cila përdor vlerat Shapley nga teoria e lojërave kooperativë për të matur se sa kontribuon secila veçori në një parashikim individual, duke bërë të interpretohet rezultati i modeleve të makinerisë me kuti të zezë. Ai mbështet si shpjegime globale (rëndësia e përgjithshme e veçorive) ashtu edhe shpjegime lokale (përse një parashikim specifik doli siç doli).
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- Lundberg, S.M. & Lee, S.-I. (2017). A Unified Approach to Interpreting Model Predictions. Advances in Neural Information Processing Systems, 30, 4766–4777. link ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 1). SHAP (SHapley Additive exPlanations). ScholarGate. https://scholargate.app/sq/machine-learning/shap-analysis
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.
- Pemët e vendimmarrjesMësimi i makinës↔ compare
- Modeli i përzierjes GaussianMësimi i makinës↔ compare
- Regresioni logjistikStatistika e hulumtimit↔ compare
- Pylli i RastësishëmMësimi i makinës↔ compare
- XGBoostMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →