J_Eason的博客

原创 《Evaluating Explanation Without Ground Truth in Interpretable Machine Learning》论文总结详述

总览 如题，这篇文章中文名《可解释机器学习中无基本事实的解释评价》，是属于机器学习可解释性方向的一篇入门级综述，是一篇纯理论性的文章，主要内容包括三个方面： 机器学习可解释性方法的分类 机器学习可解释性方法的评估标准、属性和框架 机器学习可解释性方法的不足 重点在于评估的属性和框架部分。 概述 摘要中是这么说的：“本文严格定义了评价解释的问题，并对已有的研究成果进行了系统的回顾。具体来说，我们...