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
TechQuester23 分钟前
OpenAI 刚刚推出 o1 大模型！！突破LLM极限jndingxin40 分钟前
OpenCV结构分析与形状描述符（19）查找二维点集的最小面积外接旋转矩形函数minAreaRect()的使用AI in Bio1 小时前
预训练蛋白质语言模型ESM-2保姆级使用教程成都古河云1 小时前
智慧园区：解析集成运维的未来之路nfgo1 小时前
机器学习VS深度学习真-忒修斯之船1 小时前
搭配Knowledge Graph的RAG架构CodingPioneer2 小时前
RK3588人工智能学习笔记-WSL中使用RKNN-ToolKit2Linux猿2 小时前
Pytorch Lightning框架喵~来学编程啦2 小时前
【PyTorch入门·求导相关】一文解释 PyTorch的求导 (backward、autograd.grad)sp_fyf_20242 小时前
计算机人工智能前沿进展-大语言模型方向-2024-09-17