VIP20
本课程属于：062-模型可解释性阈值分层试验 金融科技风控与量化工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

模型可解释性从入门到精通资料

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
可解释性概述
什么是模型可解释性 · 为什么需要可解释性 · 可解释性的应用场景与价值
可解释性概述什么是模型可解释…
02
可解释性的分类
全局解释与局部解释 · 内在解释与事后解释 · 模型特定与模型无关解释
可解释性的分类全局解释
03
可解释性的评估标准
忠实度 · 可理解性 · 完备性
可解释性的评估标…忠实度
04
线性模型的可解释性
线性回归与逻辑回归的系数解释 · 特征重要性分析 · 置信区间
线性模型的可解释…线性回归
05
决策树的可解释性
决策树的可视化 · 决策路径 · 特征分裂点
决策树的可解释性决策树的可视化
06
基于规则的可解释模型
决策规则列表 · RuleFit算法 · 规则覆盖度与置信度
基于规则的可解释…决策规则列表
07
广义加性模型(GAM)
GAM原理 · 特征函数可视化 · 与线性模型的对比
GAM广义加性模型
08
LIME原理与实现
局部可解释模型 · LIME算法流程 · 采样与加权
LIME原理
09
SHAP原理与实现
Shapley值理论 · SHAP算法 · SHAP值可视化
SHAP原理
10
SHAP进阶
TreeSHAP · DeepSHAP · KernelSHAP
SHAP进阶
11
部分依赖图(PDP)
PDP原理 · 单特征与双特征PDP · ICE曲线
PDP部分依赖图
12
累积局部效应(ALE)
ALE原理 · 与PDP的区别 · ALE图的绘制与解读
ALE累积局部效应
13
特征重要性
排列重要性 · 基于模型的重要性 · 条件特征重要性
特征重要性排列重要性
14
全局代理模型
用简单模型解释复杂模型 · 代理模型的训练与评估 · 代理模型的局限性
全局代理模型用简单模型解释复…
15
个体条件期望(ICE)
ICE曲线原理 · ICE与PDP的关系 · ICE的衍生图(centered I…
ICE个体条件期望
16
注意力机制的可解释性
Transformer注意力可视化 · 注意力权重分析 · 注意力头的作用
注意力机制的可解…Transformer
17
梯度类可解释方法
Saliency Map · Grad-CAM · Integrated Gradien…
梯度类可解释方法Saliency
18
反事实解释
反事实的定义 · 生成反事实样本的方法 · 与对比解释的关系
反事实解释反事实的定义
19
对比解释
对比解释框架 · 锚点解释(Anchors) · 对比规则生成
对比解释对比解释框架
20
概念激活向量(CAV)
TCAV原理 · 概念方向 · 概念敏感性分析
CAV概念激活向量
21
模型调试与可解释性
错误分析 · 数据漂移检测 · 特征分布对比
模型调试可解释性
22
可解释性与公平性
偏见检测 · 公平性指标 · 基于可解释性的去偏方法
可解释性公平性
23
NLP模型的可解释性
文本特征归因 · LIME/SHAP在文本中的应用 · 注意力可视化
NLP模型的可解释性
24
图像模型的可解释性
Grad-CAM · 遮挡敏感度 · 特征可视化
图像模型的可解释…Grad-CAM
25
表格数据的可解释性
特征重要性排序 · SHAP依赖图 · 决策树规则提取
表格数据的可解释…特征重要性排序
26
时间序列的可解释性
时序特征重要性 · 时序PDP · 时序SHAP
时间序列的可解释…时序特征重要性
27
图神经网络的可解释性
GNNExplainer · 节点/边重要性 · 子图解释
图神经网络的可解…GNNExplainer
28
集成模型的可解释性
随机森林与XGBoost的特征重要性 · SHAP集成 · 树模型可视化
集成模型的可解释…XGBoost
29
深度学习模型的可解释性
激活最大化 · 特征反演 · 网络解剖
深度学习模型的可…激活最大化
30
可解释性工程实践
可解释性报告生成 · 模型卡(Model Card) · 可解释性工具库(DALEX/Inte…
可解释性工程实践可解释性报告生成