人工智能可解释性

📂

子類別

LIME 方法

局部解释技术，通过对复杂模型的局部近似来解释个体预测。

8 術語

📂

子類別

SHAP值

一种基于博弈论的方法，用于量化每个特征对模型预测的影响。

9 術語

📂

子類別

特征重要性

评估机器学习模型决策中各输入变量相对影响的方法。

2 術語

📂

子類別

模型可视化

用于表示和理解AI模型架构、权重及行为的图形化技术。

17 術語

📂

子類別

反事实分析

生成最小修改的样本以改变预测，帮助理解决策条件。

7 術語

📂

子類別

解释规则

从复杂模型中提取可解释的逻辑规则，以解释其行为。

14 術語

📂

子類別

梯度法

利用梯度技术可视化和解释深度神经网络。

6 術語

📂

子類別

可解释决策树

基于决策分层结构的模型，提供预测的自然透明度。

7 術語

📂

子類別

因果可解释性

分析模型中的因果关系，以理解为何做出某些预测。

6 術語

📂

子類別

可解释性指标

用于评估人工智能模型生成的解释的质量和可靠性的定量指标。

14 術語

📂

子類別

内在可解释性

原生透明的模型设计不需要训练后的额外解释。

4 術語

📂

子類別

自然语言解释

生成人类可理解的文本描述，用于解释模型决策。

12 術語

📂

子類別

多模态可解释性

用于同时处理多种数据类型（文本、图像、音频）的模型解释技术。

17 術語

📂

子類別

公平审计

对人工智能模型决策中潜在的偏见和歧视进行系统性评估。