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
蹦蹦跳跳真可爱5895 分钟前
Python----循环神经网络（Transformer ----注意力机制）空中湖2 小时前
tensorflow武林志第二卷第九章：玄功九转lishaoan772 小时前
使用tensorflow的线性回归的例子（七）千宇宙航5 小时前
闲庭信步使用SV搭建图像测试平台：第三十一课——基于神经网络的手写数字识别IT古董5 小时前
【第二章:机器学习与神经网络概述】04.回归算法理论与实践 -(4)模型评价与调整（Model Evaluation & Tuning）onceco6 小时前
领域LLM九讲——第5讲 为什么选择OpenManus而不是QwenAgent(附LLM免费api邀请码)jndingxin8 小时前
OpenCV CUDA模块设备层-----高效地计算两个 uint 类型值的带权重平均值Sweet锦9 小时前
零基础保姆级本地化部署文心大模型4.5开源系列hie9889410 小时前
MATLAB锂离子电池伪二维(P2D)模型实现晨同学032710 小时前
opencv的颜色通道问题 & rgb & bgr