文件名称：explain_prob:Fan等人实现可解释的AI分类模型
文件大小：609KB
文件格式：ZIP
更新时间：2024-04-25 10:39:24
JupyterNotebook
Fan等人的可解释AI分类模型的实现。 可解释的AI分类器专注于确定数据集的哪些特征负责每个各自的预测。 在医学，风险评估和财务分析等敏感领域，确定对预测有贡献的特定特征几乎与预测本身一样重要。 在某些领域（强调医学），这种对功能重要性的解释也可能被认为是必要的，因为这样的AI系统旨在增强专业决策能力，而不是取代专业决策能力。 Fan等人的[1]。 描述了一种基于概率逻辑推理的可解释AI分类器的算法。 该存储库是该代码在python中的实现。 范等人不仅如此。 提出了构建具体知识库的算法（处于概率模型的关键），它们还定义了一种简化查询知识库时产生的线性系统的方法。 此方法可容忍不一致的知识库，并且还提供了一些方法来限制求解器的范围，以便更快但仍准确地进行预测和解释。 该存储库包含两个笔记本，一个笔记本处理（朴素贝叶斯和Fan等人的可解释），另一个处理（Random Forrests和
【文件预览】：
explain_prob-master
----heart_misc.ipynb(187KB)
----paper()
--------Implementation of an Explainable AI classifier for Heart Disease Detection.pdf(330KB)
----heart.csv(11KB)
----heart_fan_prob.ipynb(229KB)
----critical reviews()
--------Critical_review_Holzinger_et_al.pdf(81KB)
--------Critical_review_Fan_et_al.pdf(88KB)
----requirements.txt(4KB)
----.gitignore(2KB)
----README.md(5KB)