已验证65% 置信事实时间未知
LIME（局部可解释模型无关解释）和SHAP（Shapley加性解释值）是为复杂黑箱模型提供事后解释的主要工具
3
来源数
65%
置信度
长期有效
时效性
2026/5/31
首次发现
来源
卡夫卡成为现实：AI算法决策下的现代荒诞困境
twitterlevelsio
涉及实体
相关事实
待验证LIME的工作原理是在待解释样本的局部邻域内通过对输入进行微小扰动，观察模型输出变化，再用简单线性模型近似局部行为，属于model-agnostic方法，可为任意黑箱模型提供解释75% 相似待验证事后解释方法包括SHAP和LIME，内在可解释模型包括线性模型和决策树72% 相似已验证SHAP（SHapley Additive exPlanations）是主流的机器学习模型解释框架，理论基础源自博弈论中的Shapley值70% 相似待验证内在可解释性指模型结构本身的透明性，事后可解释性则是对不透明模型施加外部解释技术如SHAP、LIME69% 相似待验证可解释性技术包括特征重要性分析、局部近似解释（如LIME、SHAP）以及本身可解释的模型设计。69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/6966API
curl https://kongchang.com/api/v1/knowledge/claims/6966MCP
get_claim(id=6966)