会员服务
可解释性是指一个人能够持续预测模型结果的程度。机器学习模型的可解释性越高，人们就越容易理解为什么做出某些决定或预测。

精品内容

【普林斯顿博士论文】可扩展和可解释的学习：用于知识发现的概率模型， 140页pdf
【普林斯顿博士论文】可扩展和可解释的学习：用于知识发现的概率模型， 140页pdf
专知会员服务
52+阅读 · 2023年10月10日
【斯坦福博士论文】合作博弈论在可解释机器学习中的应用
【斯坦福博士论文】合作博弈论在可解释机器学习中的应用
专知会员服务
39+阅读 · 2023年9月19日
可解释的机器学习模型和架构
可解释的机器学习模型和架构
专知会员服务
89+阅读 · 2023年9月17日
【2023新书】用SHAP解释机器学习模型:Python示例和Shapley值理论指南，216页pdf
【2023新书】用SHAP解释机器学习模型:Python示例和Shapley值理论指南，216页pdf
专知会员服务
77+阅读 · 2023年8月31日
【MIT博士论文】可解释机器学习及其在治疗设计中的应用
【MIT博士论文】可解释机器学习及其在治疗设计中的应用
专知会员服务
31+阅读 · 2023年8月20日
【CMU博士论文】可解释机器学习方法与应用，127页pdf
【CMU博士论文】可解释机器学习方法与应用，127页pdf
专知会员服务
75+阅读 · 2023年6月6日
【普林斯顿博士论文】面向物理科学的可解释机器学习，242页pdf
【普林斯顿博士论文】面向物理科学的可解释机器学习，242页pdf
专知会员服务
76+阅读 · 2023年4月22日
【NeurIPS2022】可解释机器学习的安全性:一种最大偏差方法
【NeurIPS2022】可解释机器学习的安全性:一种最大偏差方法
专知会员服务
23+阅读 · 2022年11月8日
271页ppt！可解释机器学习预测的最新技术、挑战和机遇，哈佛大学𝙷𝚒𝚖𝚊 𝙻𝚊𝚔𝚔𝚊𝚛𝚊𝚓𝚞讲授
271页ppt！可解释机器学习预测的最新技术、挑战和机遇，哈佛大学𝙷𝚒𝚖𝚊 𝙻𝚊𝚔𝚔𝚊𝚛𝚊𝚓𝚞讲授
专知会员服务
109+阅读 · 2022年11月5日
最新《可解释机器学习》报告，164页ppt建模阐述XAI进展
最新《可解释机器学习》报告，164页ppt建模阐述XAI进展
专知会员服务
106+阅读 · 2022年8月25日
【完整译文】《 使用Shapley加和解释基于Agent仿真的军事作战场景》加拿大国防研究与发展部
【完整译文】《 使用Shapley加和解释基于Agent仿真的军事作战场景》加拿大国防研究与发展部
专知会员服务
71+阅读 · 2022年8月10日
打开黑盒：可解释机器学习在心脏病学中的前景和局限
打开黑盒：可解释机器学习在心脏病学中的前景和局限
专知会员服务
23+阅读 · 2022年7月22日
【2022 新版书籍】第2版《可解释的机器学习：黑盒模型可解释性理解指南》，330页pdf
【2022 新版书籍】第2版《可解释的机器学习：黑盒模型可解释性理解指南》，330页pdf
专知会员服务
154+阅读 · 2022年4月23日
【AAAI 2022】机器学习模型的解释方法效果如何？MIT、微软学者为你解读，Do Feature Attribution Methods Correctly Attribute Features?
【AAAI 2022】机器学习模型的解释方法效果如何？MIT、微软学者为你解读，Do Feature Attribution Methods Correctly Attribute Features?
专知会员服务
30+阅读 · 2022年3月12日
《可解释的机器学习》中文版和英文版：226页pdf理解黑盒模型指南，复旦研究生朱明超翻译
《可解释的机器学习》中文版和英文版：226页pdf理解黑盒模型指南，复旦研究生朱明超翻译
专知会员服务
105+阅读 · 2022年3月11日
参考链接
父主题
机器学习
微信扫码咨询专知VIP会员
Top