LIME: Lokalno interpretabilna modelu-agnostička objašnjenja
LIME, koji su uveli Ribeiro, Sing i Gestrin 2016. godine, objašnjava predviđanja bilo kog crnog klasifikatora ili regresora izgradnjom jednostavnog, lokalno vernog surogatnog modela oko pojedinačnog predviđanja od interesa. Umesto objašnjavanja globalnog modela, LIME se fokusira na to zašto je konkretna instanca klasifikovana na određeni način, čineћi složene modele poput dubokih neuronskih mreža i ansambl metoda interpretabilnim krajnjim korisnicima, stručnjacima za domen i revizorima.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 2). Local Interpretable Model-agnostic Explanations (LIME). ScholarGate. https://scholargate.app/sr/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.
- Kontrafaktička objašnjenjaMašinsko učenje↔ compare
- Slučajna šumaMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →