данные исходя из выхода(output'а) нейронки?
https://towardsdatascience.com/pytorch-shap-explainable-convolutional-neural-networks-ece5f04c374f первая ссылка, что нагуглил) одно дело фреймворк,а другое дело представление модели и весов, они же по идее должны быть общего формата (ну, или в onnx переводятся), хотя точно сказать не могу
а как оно это всё считает? я на хабре почитал статью, говна навернул не по теме и так не понял. У меня модель с кучей разных входов и этот фреймворк не работает, а интерпретировать предсказания хотелось бы
работает оно таким образом, что подсвечивает области изображения, которые максимально тригернули нейроны в сети, если она свёрточная 2д
какой-то слишком наивный способ. А причём тут тогда SHAP (SHapley Additive exPlanations) is a game theoretic approach to explain the output of any machine learning model
это про подход в книге Шолле. либа, которую я кинул, ещё имеет вычисления с теорией игр и векторами Шаппле
Обсуждают сегодня