kuhung / interpretable-machine-learning-cases

可解释的机器学习实践

interpretable-machine-learning-cases

可解释的机器学习实践

• 参考资料：

测试起点：https://christophm.github.io/interpretable-ml-book/counterfactual.html

测试工具包： - https://github.com/SeldonIO/alibi - https://github.com/interpretml/DiCE - https://github.com/interpretml/interpret

数据集类型： （复杂语义的NLP与图像暂不考虑）

• 回归

• 分类

• 类别特征、数值特征

目前遇到的问题：

1. DiCE 只能处理 NN 模型？
2. DiCE 对于大量数据有性能问题
3. 其他工具不过是 LIME & SHAP 的集成体，它们的不同之处在哪里？