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
yyf198905253 分钟前
智能体的中文文献小北方城市网3 分钟前
第 9 课：Python 全栈项目性能优化实战｜从「能用」到「好用」（企业级优化方案｜零基础落地）却道天凉_好个秋6 分钟前
OpenCV(五十二)：图像修复明月照山海-6 分钟前
机器学习周报二十九Deepoch11 分钟前
破解酒店服务难题：Deepoc赋能机器人智能升级间彧14 分钟前
Vibe Coding在实际项目中如何与现有开发流程（如敏捷开发、CI/CD）结合？JSU_曾是此间年少17 分钟前
pytorch自动微分机制探寻Hcoco_me18 分钟前
大模型面试题40：结合RoPE位置编码、优秀位置编码的核心特性刘立军24 分钟前
程序员应该熟悉的概念(8)嵌入和语义检索Mr.Lee jack25 分钟前
TileRT超低延迟的大语言模型推理系统