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
万事可爱^3 小时前
HDBSCAN：密度自适应的层次聚类算法解析与实践牧歌悠悠4 小时前
【深度学习】Unet的基础介绍坚毅不拔的柠檬柠檬5 小时前
AI革命下的多元生态：DeepSeek、ChatGPT、XAI、文心一言与通义千问的行业渗透与场景重构坚毅不拔的柠檬柠檬5 小时前
2025：人工智能重构人类文明的新纪元jixunwulian5 小时前
DeepSeek赋能AI边缘计算网关，开启智能新时代！Archie_IT5 小时前
DeepSeek R1/V3满血版——在线体验与API调用大数据追光猿5 小时前
Python应用算法之贪心算法理解和实践灵感素材坊6 小时前
解锁音乐创作新技能：AI音乐网站的正确使用方式xinxiyinhe7 小时前
如何设置Cursor中.cursorrules文件AI服务老曹7 小时前
运用先进的智能算法和优化模型，进行科学合理调度的智慧园区开源了