一篇新研究论文探讨了在静电纺丝背景下，不同机器学习模型之间特征重要性的一致性。该研究使用SHAP值评估了21种不同的机器学习模型，以评估参数排名的可靠性。研究结果表明，尽管预测准确性可能相似，但特征重要性在不同模型之间可能存在显著差异，这表明依赖单一模型进行解释可能会产生误导，尤其是在实验数据有限的情况下。 AI
影响 强调了在机器学习可解释性中进行跨模型验证的必要性，以确保获得可靠的见解，尤其是在科学研究中。
排序理由 关于机器学习可解释性方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.04905v1 Announce Type: new Abstract: Electrospinning is a highly sensitive fabrication process in which small variations in operating parameters can significantly influence fiber morphology and material performance. Machine learning (ML) methods are increasingly employ…
Electrospinning is a highly sensitive fabrication process in which small variations in operating parameters can significantly influence fiber morphology and material performance. Machine learning (ML) methods are increasingly employed to model these process-structure relationship…