R 语言中可解释人工智能包的现状综述
机器学习
2021-03-30 v3 机器学习
摘要
数据和计算能力的日益增长的可获得性推动了预测模型的发展。为确保此类模型安全有效地运行,我们需要用于探索、调试和验证的方法。用于此目的的新方法和工具正在机器学习的可解释人工智能(XAI)子领域内被开发。在这项工作中(1)我们提出模型解释方法的分类法,(2)我们识别并比较 R 中可用于执行 XAI 分析的 27 个包,(3)我们展示特定包应用的一个示例,(4)我们确认 XAI 中的近期趋势。本文主要致力于 R 中可用的工具,但由于易于集成 Python 代码,我们也将展示来自 Python 最流行库的示例。
引用
@article{arxiv.2009.13248,
title = {Landscape of R packages for eXplainable Artificial Intelligence},
author = {Szymon Maksymiuk and Alicja Gosiewska and Przemyslaw Biecek},
journal= {arXiv preprint arXiv:2009.13248},
year = {2021}
}
备注
20 pages