选择你的解释：SHAP和GradCAM在人类活动识别中的比较

本研究解决了机器学习模型可解释性方法选择的困惑，尤其是在医疗等高风险领域。作者对SHAP和GradCAM两种常用可解释性技术在人类活动识别中的应用进行了比较，揭示了它们各自的优缺点与适用场景，并提出根据具体模型和应用选择适当方法的指导。研究发现，SHAP适合提供详细的特征重要性，而GradCAM适合快速空间解释，二者可根据需求互为补充。