模型解释图

[www.ziwang.com]

https://github.com/fork123aniket/Model-agnostic-Graph-Explainability-from-Scratch
与模型无关的图从零开始的可解释性
该存储库包含一个图形可解释性解决方案，该解决方案将工作（GraphMask Explainer）扩展到异构图和同构图，使此功能与模型无关。此外，此实现同时提供了节点特征级和边缘级属性掩码（解释子图），这是一个二进制值向量。此掩码向量的所有值表示图中不影响其相应预测的特征（和边），而与值关联的特征（和边）被认为在影响原始图神经网络 （GNN） 模型输出的相关预测方面非常有效。01

要求