本研究提出了一种基于本地替代模型的黑盒分类器解释生成方法，强调邻域定义的重要性。通过在决策边界进行采样，评估了该方法在多个数据集上的有效性。同时，介绍了多种模型无关的解释方法，如GLocalX和CLIMAX，旨在提升黑盒模型的可解释性，确保算法决策的公平性和透明性。

该研究提出了一种模型无关的可解释替代方案，用于全局和局部解释黑盒分类器。该方案使用相关系数自动发现变量的直观分组，并将其嵌入到替代决策树中，以提高其可理解性。实验结果表明，该方案在保持准确性和保真度的同时，提高了人类可解释性。