关键词local interpretability
搜索结果 - 3
- KDD学习本地可解释规则集合
本文提出了一种新的框架来学习规则集合模型,该模型既准确又可解释,该模型的可解释性通过评估模型所需表达预测所需的规则数量来评估,并提出了一种促进局部可解释性的正则化器,通过局部搜索的坐标下降算法来学习规则集合。实验结果表明,与现有方法(包括 - McXai: 两个博弈作为本地模型无关解释
本文介绍一种基于强化学习技术的可解释人工智能方法,称为 McXai,以解释任何黑盒分类模型的决策。该方法使用 Monte Carlo 树搜索对生成解释的过程进行建模,并利用两个游戏来找到支持分类器决策的特征集合和导致替代决策的特征集合。最终 - 基于原型引导的可解释反事实解释
使用类原型的快速、模型无关方法可以找到分类器预测的可解释因果关系解释,并且该方法通过两个新的度量标准在实例级别上定量评估局部可解释性。该方法在图像数据集 MNIST 和表格数据集 Breast Cancer Wisconsin(Diagno