เครื่องจำแนกประเภทแบบ Support Vector Machine ที่อธิบายได้
Explainable SVM เป็นการรวมกันของ Support Vector Machine ที่ได้รับการฝึกฝนเข้ากับชั้นการตีความแบบ post-hoc ซึ่งโดยทั่วไปคือ SHAP หรือ LIME เพื่อสร้างคำอธิบายระดับคุณลักษณะสำหรับการทำนายแต่ละรายการและการจัดอันดับความสำคัญโดยรวม โดยยังคงรักษาพลังการจำแนกของ SVM ไว้ในขณะที่ตอบสนองความต้องการด้านความโปร่งใสในสาขาที่มีความเสี่ยงสูง เช่น การแพทย์ การเงิน และกฎหมาย
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Lundberg, S. M., & Lee, S. I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765–4774. link ↗
- Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). 'Why should I trust you?': Explaining the predictions of any classifier. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 1135–1144. DOI: 10.1145/2939672.2939778 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Explainable Support Vector Machine (XAI-augmented SVM). ScholarGate. https://scholargate.app/th/machine-learning/explainable-support-vector-machine
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.
- ผังการตัดสินใจที่อธิบายได้การเรียนรู้ของเครื่อง↔ compare
- Explainable Gradient Boostingการเรียนรู้ของเครื่อง↔ compare
- Explainable Naive Bayesการเรียนรู้ของเครื่อง↔ compare
- ฟอเรสต์สุ่มที่อธิบายได้การเรียนรู้ของเครื่อง↔ compare