Variable Importance in Projection

新框架增强了光谱数据分析中人工智能的可解释性

研究人员开发了 Spectral Model eXplainer (SMX)，这是一个旨在提高化学计量学和光谱学中使用的机器学习模型可解释性的新框架。与关注单个变量的现有方法不同，SMX 分析具有化学意义的光谱区域。该框架使用 PCA 总结区域，通过子采样估计谓词相关性，并使用有向加权图聚合排名。SMX 在八个真实世界的光谱数据集上进行了测试，包括来自 X 射线荧光和伽马射线光谱的数据。