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
amhjdx1 小时前
星巽短剧以科技赋能影视创新，构建全球短剧新生态！听风南巷2 小时前
机器人全身控制WBC理论及零空间原理解析（数学原理解析版）美林数据Tempodata2 小时前
“双新”指引，AI驱动：工业数智应用生产性实践创新电科_银尘3 小时前
【大语言模型】-- 私有化部署翔云 OCR API4 小时前
人工智能驱动下的OCR API技术演进与实践应用极客学术工坊5 小时前
2023年辽宁省数学建模竞赛-B题 数据驱动的水下导航适配区分类预测-基于支持向量机对水下导航适配区分类的研究南方者5 小时前
重磅升级！文心 ERNIE-5.0 新一代原生全模态大模型，这你都不认可它吗？！庄周迷蝴蝶5 小时前
旋转位置编码（Rotary Position Embedding，RoPE）xier_ran5 小时前
深度学习：RMSprop 优化算法详解大千AI助手5 小时前
Prefix-Tuning：大语言模型的高效微调新范式