EBLIME:增强的贝叶斯局部可解释模型无关解释
机器学习
2023-05-02 v1 机器学习
图像与视频处理
摘要
我们提出 EBLIME 来解释黑盒机器学习模型,并利用贝叶斯岭回归模型获得特征重要性的分布。我们给出了贝叶斯框架的数学表达及理论结果,包括岭参数的显著性。案例研究在基准数据集和定位制造产品内部缺陷的真实工业应用上展开。与最先进的方法相比,EBLIME 产生更直观且准确的结果,在推导后验分布、可信区间和特征重要性排序方面具有更好的不确定性量化。
引用
@article{arxiv.2305.00213,
title = {EBLIME: Enhanced Bayesian Local Interpretable Model-agnostic Explanations},
author = {Yuhao Zhong and Anirban Bhattacharya and Satish Bukkapatnam},
journal= {arXiv preprint arXiv:2305.00213},
year = {2023}
}
备注
10 pages, 5 figures, 2 tables