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
lihuayong14 分钟前
LangGraph React智能体 - 推理与行动的完美结合机器之心16 分钟前
Meta用40万个GPU小时做了一个实验，只为弄清强化学习Scaling LawMr.看海19 分钟前
机器学习鼻祖级算法——使用SVM实现多分类及Python实现曾经的三心草19 分钟前
OpenCV5-图像特征harris-sift-特征匹配-图像全景拼接-答题卡识别判卷慧星云33 分钟前
魔多 AI 支持 Wan 系列在线训练 ：解锁视频生成新高度麻辣兔变形记39 分钟前
Solidity 合约超限问题及优化策略：以 FHEFactory 为例渡我白衣1 小时前
未来的 AI 操作系统（二）——世界即界面：自然语言成为新的人机交互协议墨利昂1 小时前
词向量：自然语言处理技术体系的核心基石格林威1 小时前
可见光工业相机半导体制造领域中的应用星期天要睡觉2 小时前
计算机视觉（opencv）——基于 MediaPipe 人体姿态检测