可解释性 - 同济子豪兄
p1 可解释性机器学习公开课
一篇论文:“Why should I trust you?” Explaining the Predictions of Any Classfier
一篇讲 CNN 的可解释性分析论文:ImageNet Classification with Deep Convolutional Neural Networks
论文: Visualization and Understanding Convolutional Networks
目标检测必读论文:Rich feature hierarchies for accurate object detection and semantic segmentation
基于类激活热力图(CAM)的可视化
论文:Learning Deep Features for Discriminative Localization
论文:Visual Explanations from Deep Networks via Gradient-based Localization
语义编码降维可视化
生成满足某些要求的图像
白盒攻击和黑盒攻击
论文:深度学习的可解释性综述:雷霞,罗雄麟
公众号:Datawhale,回复:可解释性框架
可解释
- 《A Unified Approach to interpreting Model Predictions》论文解读 · 从百草园到三味书屋
- 神经网络可解释性综述 | Notes
- 深度学习可解释性相关论文和代码大全-腾讯云开发者社区-腾讯云
- 神经网络的博弈交互解释性(一):前言,漂在零丁洋里的体系 - 知乎
Shapley
- 為生產中的模型建立 SHAP 基準 - Amazon SageMaker AI
- SHAP知识点全汇总 - 知乎
- 模型解释–SHAP Value的简单介绍 - 简书
- 机器学习模型可解释性进行到底 —— SHAP值理论(一)_shap算法-CSDN博客
- 博弈论里面班扎夫权利指数是怎么计算出来的?这个计算方法在其他领域是否适用? - 知乎
- Shapley值及Python实现 - 知乎
- 高效的ShapValue计算 - TreeShap分析 - 知乎
- Tree SHAP — Alibi 0.9.5 documentation
- [Kernel SHAP — Alibi 0.9.7.dev0 documentation](https://docs.seldon.io/projects/alibi/en/latest/methods /KernelSHAP.html)
- Kernel SHAP explanation for SVM models — Alibi 0.9.7.dev0 documentation