局部最小概率解释

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

本文介绍了一种基于绑架式解释的机器学习方法,用于计算神经网络模型的局部解释。该方法通过优化词汇子集和保持预测不变性来提高解释框架的效果,并通过配置不同的扰动集来检测预测结果的偏见。作者在三个情感分析任务上评估了该方法的有效性。

🏷️

标签

➡️

继续阅读