説明できる

アルゴリズム:Algorithms

保護中: 説明できる人工知能(16)モデル非依存の解釈(SHAP (SHapley Additive exPlanations))

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される説明できる人工知能としてのSHAPを用いたモデル非依存解釈(scikit-learn、xgboost、LightGBM、tree boosting、R、shapper、 fastshap、TreeSHAP、KernelSHAP、partial dependence plot、permutation feature importance、feature importance、feature dependence、interactions, clustering、summary plots、atomic unit、LIME、決定木、ゲーム理論、クラスタリング、SHAP相互作用値、ALE plot、画像マッピング、一貫性、欠損、局所正確性、効率性 、対称性 、ダミー性、加法性、SHapley Additive exPlanations、ローカルサロゲートモデル)
機械学習:Machine Learning

保護中: 説明できる機械学習(4)解釈可能なモデル(決定木)

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)活用の為の説明できる機械学習技術、決定木を使った解釈可能なモデルについて(CART等)
機械学習:Machine Learning

保護中: 説明できる機械学習(3)解釈可能なモデル(GLM、GAM)

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)活用の為の説明できる機械学習、一般化線形モデル、GLM、一般化加法モデル、GAM
機械学習:Machine Learning

保護中: 説明できる機械学習(2)解釈可能なモデル(ロジスティック回帰モデル)

デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)活用の為の説明できる機械学習、ロジスティック回帰
アルゴリズム:Algorithms

説明できる機械学習

説明できる人工知能について、モルナルの論文の前半の概要、説明とは、本質的 か後付けかがあり、後者のアプローチにおいて、アルゴリズムを用いて入力と出力のペアから説明を構築する。良い説明とは反例で比較できるものである。
タイトルとURLをコピーしました