Unverified50% confidenceFactExact time
对于基于梯度提升树（如XGBoost）的传统机器学习模型，SHAP值、LIME等可解释性工具已相当成熟
1
Sources
50%
Confidence
Long-term
Relevance
7/9/2026
First Seen
Sources
AI公共采购的透明度危机：Palantir争议给政府AI战略的警示
hackernewshackernews7/6/2026
Related Claims
Unverified机器学习的代表算法包括支持向量机（SVM）、决策树和朴素贝叶斯73% similarUnverified对树模型（如随机森林、XGBoost），SHAP 计算效率极高，并能生成特征重要性排序图、依赖图与蜂群图73% similarUnverified在TreeSHAP加速算法支持下，SHAP对随机森林、XGBoost等树模型的计算效率达到多项式级别72% similarUnverifiedXGBoost由陈天奇于2014年提出，通过正则化的目标函数和高效的树构建算法统治Kaggle表格数据竞赛多年71% similarUnverifiedXGBoost等集成模型预测性能更强但天然是黑箱，配合SHAP分析可弥补可解释性短板70% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/335707API
curl https://kongchang.com/api/v1/knowledge/claims/335707MCP
get_claim(id=335707)