待验证50% 置信事实精确时间
SHAP和LIME都是事后（post-hoc）解释框架，不改变模型本身，而是在预测完成后再生成解释
1
来源数
50%
置信度
长期有效
时效性
2026/10/7
首次发现
来源
涉及实体
相关事实
待验证SHAP的核心思想是将每个特征对模型预测的贡献量化，使得所有特征贡献之和等于模型预测值与基线值的差72% 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70% 相似待验证可说明性（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69% 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% 相似已验证LoRA推理时可将权重合并回原模型，不带来额外延迟69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/984704API
curl https://kongchang.com/api/v1/knowledge/claims/984704MCP
get_claim(id=984704)