BELLA：基于局部线性近似的黑盒模型解释方法
机器学习
2025-08-13 v3 人工智能
摘要
理解黑盒模型的决策过程不仅已成为法律要求，也是评估其性能的额外途径。然而，针对回归模型的现有最优事后解释方法依赖于合成数据生成，这引入了不确定性并可能损害解释的可靠性。此外，它们往往产生仅适用于极少数数据点的解释。在本文中，我们提出BELLA，一种确定性的模型无关事后方法，用于解释回归黑盒模型的个体预测。BELLA以在特征空间中训练的线性模型形式提供解释。BELLA最大化线性模型适用的邻域大小，从而使解释准确、简单、通用且鲁棒。
引用
@article{arxiv.2305.11311,
title = {BELLA: Black box model Explanations by Local Linear Approximations},
author = {Nedeljko Radulovic and Albert Bifet and Fabian Suchanek},
journal= {arXiv preprint arXiv:2305.11311},
year = {2025}
}
备注
18 pages, 3 figures, Published in TMLR Journal