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
相关推荐
Raink老师21 小时前
【AI面试临阵磨枪-48】GraphRAG、多模态 RAG、自适应 RAG 原理波动几何21 小时前
模式驱动的学术选题方法论——四种AI模式处理能力的系统建构与论证飞哥数智坊21 小时前
我为我的龙虾斩分身：OpenClaw 多智能体实操七牛开发者21 小时前
HTML is the new Markdown：来自 Claude Code 团队的实践飞哥数智坊21 小时前
在二线城市做AI社群，我的五一节后到底有多疯狂？视***间1 天前
智启边缘，魔盒藏锋——视程空间Pandora系列魔盒，解锁边缘计算普惠新范式蛐蛐蛐1 天前
昇腾910B4上安装新版本CANN的正确流程沪漂阿龙1 天前
AI大模型面试题：线性回归是什么？最小二乘法、平方误差、正规方程、Ridge、Lasso 一文讲透Lyon198505281 天前
《文字定律》让AI体验，汉字逻辑与字母逻辑的差异——ChatGPT2601_957780841 天前
Claude 4.6 对阵 GPT-5.4：2026 开发者大模型 API 选型深度解析