迈向基于线性代数的 XAI 解释分类法

本文提出一种替代方法来构建可解释人工智能技术所生成解释的基础分类法。可解释人工智能（XAI）方法旨在回答为何做出某一预测或估计，最好以人类主体易于理解的方式。文献中提出的 XAI 分类法主要将注意力集中于依据是否涉及人类主体来区分解释，这使得难以提供更数学化的途径来区分与比较不同解释。本文将其注意力收窄至感兴趣数据集属于 $\mathbb{R} ^n$ 的情形，并提出了一种针对局部解释的简明的基于线性代数的分类法。