BriefGPT - AI 论文速递
·
决策树与局部可解释模型无关解释技术（LIME）和多元线性回归方法在根均方误差（RMSE）值方面解释支持向量回归模型的比较
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
决策树在支持向量回归模型中表现较好，相对于LIME和多元线性回归，给出较低的RMSE值的概率分别为87%和73%。决策树在本地解释技术方面也优于LIME。
🎯
关键要点
-
决策树用于解释支持向量回归模型，并与LIME和多元线性回归进行比较。
-
在5个数据集上的比较结果显示，决策树相对于LIME给出较低的RMSE值的概率为87%，结果具有统计学意义。
-
多元线性回归相对于LIME给出较低的RMSE值的概率为73%，但结果没有统计学意义。
-
作为本地解释技术，决策树的表现优于LIME，结果具有统计学意义。
➡️
