# 可解释性分析
监督机器学习可解释性
通过人工神经网络等获得的预测具有很高的准确性,但人类经常将这些模型视为黑盒子。对于人类来说,关于决策制定的洞察大多是不透明的。在
机器学习可解释性.zip
作者ChristophMolnar介绍说，这是一本关于黑盒模型可解释性的理解指南，用时两年完成，全书共250多页，七万八千多字。
Python tfexplainTensorFlow20可解释性分析工具
Interpretability Methods for tf.keras models with Tensorflow 2.0
AIX360数据和机器学习模型的可解释性和可解释性源码
AI可解释性360(v0.2.1) AI Explainability 360工具箱是一个开放源代码库,支持数据集和机器学习模型
理解模型可解释性综述报告
随着机器学习模型越来越多地用于在医疗保健和刑事司法等高风险环境中帮助决策者,确保决策者(最终用户)正确理解并因此信任这些模型的功
ChatGPT 推理与可解释性解析
这份内容解析了 ChatGPT 的推理机制，并探讨了其结果的可解释性。 内容涵盖如何理解 ChatGPT 的推理过程，以及如何
ChatGPT模型可解释性与解释方法研究
探索ChatGPT模型的内部运作原理和评估其输出的可靠性的方法。
个性化推荐的可解释性研究神经网络机器学习的可解释性研究
神经网络、机器学习的可解释性研究，个性化推荐的可解释性研究
很棒的机器学习可解释性精选的很棒的机器学习可解释性资源列表源码
很棒的机器学习可解释性:精选的很棒的机器学习可解释性资源列表
机器推理可解释性综述论文
作为人工智能的一个领域,机器推理(MR)主要使用符号手段来形式化和模拟抽象推理。早期MR的研究已经开始对可解释的人工智能(XAI