1.可解释性分析简介
explainable AI:why,利用决策树
eg:
interpretable AI:how
2.机器学习的可解释性
解释工具:
按输入对输出的贡献值。
然后把值sigmoid成0-1.
例子:
就是去计算,有你和没你,能有多大区S别。
SHAP包 去搜一下用
单个样本的
全部样本的
3.图像识别的可解释性
1.可解释性分析简介
explainable AI:why,利用决策树
eg:
interpretable AI:how
2.机器学习的可解释性
解释工具:
按输入对输出的贡献值。
然后把值sigmoid成0-1.
例子:
就是去计算,有你和没你,能有多大区S别。
SHAP包 去搜一下用
单个样本的
全部样本的
3.图像识别的可解释性
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2124549.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!