原书出处
深度学习详解
18 可解释性机器学习 18.6 扩展与小结
这里读者可能会有疑问,一个线性模型有办法去模仿一个黑箱模型的行为吗?我们之前介绍过,有很多事情神经网络做得到而线性模型做不到,所以黑箱模型可以做到的事情线性模型不一定能做到. 这里有一种经典的方法,名为局部可解释的模型无关解释(Local Interpretable Model-agnostic Explanations,LIME)[2].LIME 方法虽然不能用线性模型模仿黑箱模型全部的行为,但可以用线性模型去模仿黑箱模型在一个小区域内的行为,实现局部的可解释性(即局部解释).
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