基于LIME的改进机器学习可解释性方法

来源 :数据挖掘 | 被引量 : 0次 | 上传用户:liqixuexue
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着机器学习技术不断取得突破性进展,越来越多的决策交给复杂自动化的机器学习算法去做。但这些高性能的模型就像黑盒子,缺乏决策逻辑的透明度和可解释性。LIME (Local Interpretable Model-agnostic Explanation)是由Marco Tulio Ribeiro等人提出的一种XAI (Explainable Artificial In-telligence)方法,对于复杂的黑盒模型,LIME使用可解释性模型(线性模型)对黑盒模型进行局部近似,局部解释复杂模型的决策行为。LI
其他文献
免疫性血小板减少性紫癜是一种出血性血液病,内脏出血、皮肤黏膜出血是该病的主要症状,对患者的危害非常大,如果不对其进行及时治疗和护理就会对患者的生命安全造成一定的威
叙事是在特定的时空范围内故事意义的陈述,其本身就具有叙事性、意义传达的特征,通过各种设计手法去叙述特定意义的叙事性设计是当代纪念性建筑传达其内在精神情感的重要途径
该文通过对西扎作品中几个异形柱设计的追问,挖掘柱子形态背后的隐喻,解读柱子结构性以外的设计逻辑和意义,从中反映阿尔瓦罗·西扎建筑的独特魅力和他个人式的设计手法,并总