Machine learningExplainable AI

LIME: Giải thích Mô hình Cục bộ Có thể Diễn giải và Độc lập Mô hình

LIME, được giới thiệu bởi Ribeiro, Singh và Guestrin vào năm 2016, giải thích các dự đoán của bất kỳ bộ phân loại hoặc hồi quy hộp đen nào bằng cách xây dựng một mô hình thay thế đơn giản, trung thực cục bộ xung quanh một dự đoán quan tâm duy nhất. Thay vì giải thích mô hình toàn cục, LIME tập trung vào lý do tại sao một trường hợp cụ thể được phân loại theo cách đó, làm cho các mô hình phức tạp như mạng nơ-ron sâu và các phương pháp tập hợp trở nên dễ hiểu đối với người dùng cuối, chuyên gia lĩnh vực và kiểm toán viên.

Mở trong MethodMindSắp ra mắtVideoSắp ra mắtDownload slides

Đọc toàn bộ phương pháp

Chỉ dành cho thành viên

Đăng nhập bằng tài khoản miễn phí để đọc phần này.

Đăng nhập

Method map

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

LIME: Giải thích Mô hình Cục bộ Có thể Diễn giải và Độc lập Mô hình
Giải thích phản thực tếRừng ngẫu nhiênK-Lân Cận Gần Nhất Có Th…Phân đoạn ngữ nghĩa có t…

Nguồn tài liệu

  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

Cách trích dẫn trang này

ScholarGate. (2026, June 2). Local Interpretable Model-agnostic Explanations (LIME). ScholarGate. https://scholargate.app/vi/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

Được tham chiếu bởi

ScholarGateLIME (Local Interpretable Model-agnostic Explanations (LIME)). Truy cập ngày 2026-06-15 từ https://scholargate.app/vi/machine-learning/lime · Bộ dữ liệu: https://doi.org/10.5281/zenodo.20539026