模型可解释性：SHAP与LIME方法

• 可解释性原理

  区分可解释性和可说明性，并理解它们对机器学习模型的必要性。

• LIME实作

  应用LIME算法解释各种机器学习模型的单个预测。

• SHAP实作

  使用SHAP框架及其不同的解释器，生成模型行为的局部和全局解释。

• 解释结果评估

  理解如何解读和比较LIME和SHAP生成的输出结果。

• 实践运用

  将可解释性方法整合到标准的机器学习工作流程中，使用Python库。

本课程没有先修课程。

目前没有推荐的后续课程。