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
ZGIAI3 分钟前
ZGI Skill Loop：给工具调用设边界黎阳之光5 分钟前
打破堆场感知黑盒：黎阳之光视频孪生，构建港口码头网格化透明管控新体系ZGIAI12 分钟前
ZGI 工作区权限：用户为何看不到资源FlagOS智算系统软件栈14 分钟前
Qwen3.8-Flash-Next发布首日适配 8 款AI芯片，众智FlagOS跑通并优化新一代混合注意力架构武汉星际互动16 分钟前
政务大厅转型“城市客厅”，集约化建设与线上线下一体化如何落地？码视野30 分钟前
基于 Spring Boot + Vue3 的【大学英语四六级 (CET-4/6) 作文智能评分与句式润色系统】设计与实现（含PRD/三端高保真源码/大屏）Hrain-AI31 分钟前
Qwen4 架构预览解读：GDN+QSA 混合注意力如何把激活参数压到 6B大模型码小白36 分钟前
AI 对话流性能调优：万级消息的虚拟滚动落地Mickey Q1 小时前
深度学习经典网络架构天国梦1 小时前
读后续写批改难题怎么破？天学网AI批改工具实测解析