arXiv · ML· David K\"ohler, Matthias Schmid·· 3 天前AI 评分23
ONAM: 用于黑盒预测事后可解释性的正交神经网络加性模型拟合
ONAM: Fitting Orthogonal Neural Additive Models for Post-Hoc Interpretability of Black-Box Predictions
AI 导读
R 包 ONAM 通过正交神经网络加性模型拟合,实现了黑盒预测的事后可解释性分解。该包提供函数分解技术,将预测结果分解为与不同输入特征相关的组件,并满足分层正交性条件,确保所有组件可识别且唯一定义。作为模型无关方法,ONAM 支持广泛的预测模型应用,并包含可视化和量化可解释性评估功能。
来源:arXiv · ML · arxiv.org