实体
Partial Dependence Plots
Partial Dependence Plots
PulseAugur coverage of Partial Dependence Plots — every cluster mentioning Partial Dependence Plots across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
可解释AI方法综述及其在临床研究中的应用
本文对可解释机器学习（XML）方法进行了结构化回顾，详细介绍了SHAP、LIME、PDP和ICE图等全局和局部可解释性工具。文章解释了每种方法的机制、输出和局限性，并使用心脏病数据集进行了演示。该回顾强调了XML技术如何提供对预测因子影响的洞察，识别非线性关系和交互作用，并揭示患者层面的风险异质性，最终支持临床研究中更透明和负责任的机器学习应用。
-
指南通过 XGBoost 和 SHAP 解释 AI 透明度
本指南探讨了可解释人工智能（XAI）技术，以揭秘复杂的机器学习模型。它侧重于使用 XGBoost 构建心脏病分类器的实际应用，演示了如何建立对 AI 决策的信任。指南涵盖了置换重要性、部分依赖图和 SHAP 值等方法，以揭示特征如何影响预测，并提供局部和全局解释。