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
MyBFuture16 分钟前
Halcon 金字塔与边缘检测技术解析树獭非懒16 分钟前
AI大模型小白手册 | RAG进阶：从胡说八道到引经据典攻城狮7号40 分钟前
SaaS的末日重构：AI Agent浪潮下的危机与新生2601_9499251840 分钟前
空运舱位突发爆舱？解析 AI Agent 如何在 2 小时内重构物流应急响应底层逻辑FluxMelodySun1 小时前
机器学习(二十八) 特征选择与常见的特征选择方法小陈工1 小时前
2026年3月31日技术资讯洞察：AI智能体安全、异步编程突破与Python运行时演进香港科大商学院内地办事处1 小时前
港科资讯|郑光廷教授出席国际科技组织发展与全球科技治理论坛 分享协作实践Westward-sun.1 小时前
基于 OpenCV DNN 模块实现图像风格迁移AI枫林晚1 小时前
源码解析Claude Code 项目 queryLoop 运行机制分析AI攻城狮1 小时前
OpenClaw Exec Approvals 机制：在安全与效率之间寻找平衡