← 返回卡片

原书出处

深度学习详解

18 可解释性机器学习 18.4 可解释性机器学习中的局部解释

核验版本的摘录快照 · 导入于 2026-11-21T12:46:32.561Z

可解释性机器学习分为两大类,第一大类叫作局部解释,第二大类叫作全局解释,如图18.1 所示.假设有一个图像分类器,输入一张图片,它判断该图片是一只猫,机器需要回答的问题是,为什么它觉得这张图片是一只猫?根据一张图片来回答问题,这就是局部解释.如果不给图像分类器任何图片,而直接问什么样的图片会被判断为猫,则是全局解释.我们并不是针对任何一张特定的图片来进行分析,而是想知道当一个模型有一些参数的时候,对这些参数而言什么样的东西是一只猫.

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/深度学习详解/_epub-src/OEBPS/Text/Chapter18.xhtml

EPUB SHA-256:35d2d4b7de742e0ce7756e7fb57c534014bf33cecdf0483a75e23cb7446cb7dc