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
yuan1999715 小时前
MATLAB 多窗谱谱减法语音去噪不才小强15 小时前
目标跟踪算法DeepSort实战今日说"法"15 小时前
线性代数与矩阵运算：AI世界的数学基石——从SVD到特征值分解的实战解析Mr数据杨15 小时前
结构化表格分类建模与业务预测落地路径敢敢のwings15 小时前
智元 D1 强化学习sim-to-real系列 | 从控制接入到真机落地上篇（七）缘友一世15 小时前
Harness Engineering：让 AI Agent 从“玩具“到“生产力“的工程革命查古穆15 小时前
AI Agent 开发的工业化道路：Harness 架构深度解析ComputerInBook15 小时前
数字图像处理(4版)——第 4 章——频域滤波(下)(Rafael C.Gonzalez&Richard E. Woods)爱看科技15 小时前
微美全息（NASDAQ: WIMI）攻克量子参数化电路深度卷积神经网络技术难关！做个文艺程序员15 小时前
多轮对话与会话管理：构建上下文感知的 AI 接口【OpenClAW + Spring Boot 系列 第4篇】