李宏毅机器学习之Explainable ML

最新推荐文章于 2024-01-22 12:05:50 发布

loserChen.

最新推荐文章于 2024-01-22 12:05:50 发布

阅读量1.2k

点赞数

分类专栏： 2019李宏毅机器学习文章标签：李宏毅机器学习 exlainable ml

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_35564813/article/details/92429672

版权

2019李宏毅机器学习专栏收录该内容

4 篇文章 0 订阅

订阅专栏

李宏毅机器学习之Explainable ML

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

Local Explanation

在这里插入图片描述

通过移动灰色方块，来确定哪个部分是最重要的，越趋于蓝色表示越重要。

在这里插入图片描述

类似的想法，逐像素修改，查看输出的变化

在这里插入图片描述

求梯度的方法具有一定的局限性：

在这里插入图片描述

Global Explanation

找一个输入使得yi最大，得到的结果如下左图所示，机器觉得最像每个数字的图像在人看来都是噪声

在这里插入图片描述

设计一个R(x)，使得x*中白点尽量少，也就是告诉机器什么样的输出更有可能看起来像数字，获得右下图的效果

在这里插入图片描述

用GD找到使得yi最大的z，然后通过z得到x，那么我们就说x是机器觉得最像yi的东西

在这里插入图片描述

Using a model to explain another

在这里插入图片描述

在这里插入图片描述

局限性：到底什么叫附近nearby

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

对DT做限制，以免太深

在这里插入图片描述

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
李宏毅机器学习之Explainable ML

李宏毅机器学习之Explainable MLLocal Explanation通过移动灰色方块，来确定哪个部分是最重要的，越趋于蓝色表示越重要。类似的想法，逐像素修改，查看输出的变化求梯度的方法具有一定的局限性：Global Explanation找一个输入使得yi最大，得到的结果如下左图所示，机器觉得最像每个数字的图像在人看来都是噪声设计一个R(x)，使得x*中白点...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。