No/VOL: 02/2024 Page no. 145
Authors: Angati Kumar , Tsehay Assegie , Ayodeji Salau , Komal Napa , Suguna R. :
Title: Funkcja przyczyniająca się do dogłębnego zrozumienia interpretacji modelu uczenia maszynowego
Abstract: Przejrzysty i zrozumiały model uczenia maszynowego odnosi się do modelu, który jest dokładny, skuteczny, zrozumiały i możliwy do interpretacji przez ludzi. Interpretowalny model zmniejsza lukę między złożonymi algorytmami a ludzkim zrozumieniem, pozwalając użytkownikom zaufać i zrozumieć proces podejmowania decyzji w modelu. W tym celu modele uczenia maszynowego mogą dostarczać informacji o znaczeniu każdej cechy wejściowej w tworzeniu prognoz. Interpretacja modelu pomaga użytkownikom zrozumieć czynniki, które mają największy wpływ na decyzje modelu. W tym badaniu zastosowano interpretację modelu opartą na ważności funkcji, wykorzystując zestaw danych dotyczących chorób serca. Wynik symulacji pokazuje, że dzięki analizie ważności cech proces decyzyjny algorytmu klasyfikacji dodatkowego drzewa jest łatwy do wyjaśnienia.
Key words: Wyjaśnialna sztuczna inteligencja, wyjaśnienie modelu, wyjaśnienie lokalne.