待验证50% 置信事实精确时间
SHAP和LIME是应对算法可解释性挑战的事后解释技术
1
来源数
50%
置信度
长期有效
时效性
2026/9/5
首次发现
来源
涉及实体
相关事实
待验证可说明性（Explainability）催生了LIME、SHAP等事后归因方法，面向外部用户回答为什么模型给出该输出70% 相似已验证SHAP基于博弈论中的Shapley值，能够量化每个特征对最终预测结果的贡献度，是目前工业界应用最广泛的解释性工具之一70% 相似待验证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69% 相似待验证LIME通过在输入样本周围生成扰动数据集训练局部线性近似模型来解释单次预测，SHAP基于博弈论Shapley值提供特征归因，两者均为模型无关技术65% 相似待验证机械可解释性区别于传统可解释性（如LIME、SHAP等事后近似解释方法），追求对模型内部计算结构的精确、机械式理解65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/859287API
curl https://kongchang.com/api/v1/knowledge/claims/859287MCP
get_claim(id=859287)