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
IT_陈寒14 小时前
React状态管理终极对决：Redux vs Context API谁更胜一筹？舒一笑15 小时前
如何获取最新的技术趋势和热门技术聚客AI15 小时前
🎉OpenClaw深度解析：多智能体协同的三种模式、四大必装技能与自动化运维秘籍黄粱梦醒16 小时前
大模型企业级部署方案-vllmIT_陈寒16 小时前
JavaScript代码效率提升50%？这5个优化技巧你必须知道！IT_陈寒16 小时前
Java开发必知的5个性能优化黑科技，提升50%效率不是梦！康斯坦丁师傅16 小时前
发现一个插件，免费用谷歌最新NanoBanana 2emo猫pro_max17 小时前
openclaw飞书流式回复配置指南FishCoderh17 小时前
被OpenClaw的Session搞晕了？这篇让你彻底搞懂孤烟18 小时前
19 万 + GitHub 星标！OpenClaw 凭什么成为 2026 最火 AI Agent，万字实测告诉你