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
千天夜24 分钟前
激活函数解析：神经网络背后的“驱动力”大数据面试宝典25 分钟前
用AI来写SQL：让ChatGPT成为你的数据库助手封步宇AIGC30 分钟前
量化交易系统开发-实时行情自动化交易-3.4.1.2.A股交易数据m0_5236742132 分钟前
技术前沿：从强化学习到Prompt Engineering，业务流程管理的创新之路HappyAcmen42 分钟前
IDEA部署AI代写插件噜噜噜噜鲁先森1 小时前
看懂本文，入门神经网络Neural NetworkInheritGuo2 小时前
It’s All About Your Sketch: Democratising Sketch Control in Diffusion Modelsweixin_307779132 小时前
证明存在常数c, C ＞ 0，使得在一系列特定条件下，某个特定投资时刻出现的概率与天数的对数成反比封步宇AIGC2 小时前
量化交易系统开发-实时行情自动化交易-3.4.1.6.A股宏观经济数据Jack黄从零学c++2 小时前
opencv(c++)图像的灰度转换