Lime

XPER: 揭示预测性能的驱动力

为了揭示不透明的AI应用，今天普遍使用了可解释AI（XAI）方法，如事后解释工具（例如SHAP,LIME），而其输出的洞察现在已被广泛理解。
AI甲子光年·2024-09-11 14:07

lime-echart 一个基于 JavaScript 的开源可视化图表库 使echarts图表能跑在uniapp各端中的插件

Lime-echart是一个基于JavaScript的开源可视化图表库，旨在使ECharts图表能够在UniApp各个端中运行。
前端组件开发·2024-02-19 23:15

解释性AI（XAI）技术和方法

局部解释工具的使用：LIME的应用：对于复杂的机器学习分类器预
李建军·2024-02-07 09:00

对于已交付(客户流失预警)模型的模型可解释LIME

目录介绍：数据：数据处理：随机森林建模：LIME例一：例二：介绍：LIME(LocalInterpretableModel-agnosticExplanations)是一种解释机器学习模型的方法。
取名真难.·2024-01-30 06:04

XGBoost系列6——探秘XGBoost的黑盒：模型解释与可视化

目录写在开头1.XGBoost模型的解释困境1.1模型复杂性1.2非线性关系建模1.3缺乏可解释性工具1.4对业务应用的挑战2.SHAP、LIME等解释工具的介绍2.1SHAP（SHapleyAdditiveexPlanations
theskylife·2024-01-26 21:21

Lime & Sprite 咸宁七的青柠（彩铅画练习）

昨天下午练习画水珠，顺便画了片咸宁七里的青柠，水平太有限，画得完全不像青柠。不过好喜欢图2的原图照片。刚才给老师看过啦，他说这张照片可能不适合做我现阶段的画画素材，因为这张照片要画得好的话，必须画成4K或8K的超写实彩铅画，而且里面的气泡一个不能少。希望以后能够达到画超写实彩铅画的水准啊！图片发自App图片发自App图片发自App图片发自App图片发自App图片发自App
JessicaH2017·2024-01-04 21:17

uniapp+echarts开发APP版本教程

安装完成后在uni_modules/lime-echart文件夹下https://ext.dcloud.net.cn/plugin?
renkai721·2023-12-30 11:52

如何信任机器学习模型的预测结果？

模型自解释结果与LIME解释结果的对比随机森林回归模型是基于决策树的集成模型，因此，模型本身也具有可解释性。
叁苏言·2023-12-29 20:35

如何信任机器学习模型的预测结果？

在本篇中，我将通过一个例子演示在MATLAB如何使用LIME进行复杂机器学习模型预测结果的解释。我使用数据集carbig（MATLAB自带的数据集）训练一个回归模型，用于预测汽车的燃油效率。
叁苏言·2023-12-29 20:03

可解释性分析（XAI)常用方法

2、LIME（LocalInterpretableModel-agnosticExplanations）LIME是一种与模型无关的方法，它通过围绕特定预测在局部近似模型的行为来工作。LIM
笑傲江湖2023·2023-12-21 16:54

Uniapp中使用Echarts

/uni_modules/lime-echart/static/echarts.min.js';importchinafrom'./china.j
一路向前的月光·2023-11-16 06:16

LIME低亮度图像增强

LIME低亮度图像增强main.cpp#include#include#include#include#include"lime.h"intmain(){cv::Matimg_in=cv::imread
三维重建及点云·2023-11-12 17:18

poi导出Excel设置超链接-简便方法

1.设置背景色headStyle.setFillForegroundColor(IndexedColors.LIME.getIndex());headStyle.setFillPattern(FillPatternType.SOLID_FOREGROUND
weixin_43078608·2023-11-11 18:25

uni-app - 在uniapp中使用echarts展示图表

:https://github.com/iotjin/jh-uniapp-demo习惯使用echarts图表，在uniapp中使用npm安装echarts再使用，或多或少有问题，最终找到一个好用的插件lime-echart
西半球·2023-11-09 07:50

SHAP 和 LIME 解释模型

内容大纲1、SHAP解释器1.1案例：用于预测患者肺癌1.2案例中使用的shap解释器1.3举例说明：SHAP工作原理2、LIME解释器2.1案例：判断法律案件胜诉可能性2.2LIME解释器工作原理2.3
没有人比我更懂暴力算法·2023-11-07 19:37

风控建模五：GBM模型开发

风控建模五：GBM模型开发一、数据预处理1、相关性2、类别型变量怎么处理二、怎么调参1、锚定调参目标2、网格搜索调参3、贝叶斯调参三、解释性1、SHAP2、LIME四、模型保存、打分及部署1、生成model
白白的一团团·2023-11-03 19:41

vue第三天笔记06——vue-cli练习

Document*{margin:0px;padding:0px;list-style:none;}a{text-decoration:none;}.router-link-active{background:lime
·青红造了个白··2023-10-25 09:10

常用颜色的英文和十六进制

1~7）；color：文字颜色红red#ff0000红red#ff0000橙orange#ffa500黄yellow#ffff00草绿springgreen#00FF7F绿green#008000亮绿lime
蔷莫·2023-10-07 00:53

颜色代码大全

橙色orange    黄色yellow 绿色green     蓝色blue     紫色purple    灰色gray 白色white     黑色black    橄榄色olive   石灰色lime
jjhua·2023-10-03 20:47

【Markdown】博客常用颜色、字体

forestGreen中海绿：mediumSeaGreen海绿色：seaGreen青绿色：teal深海绿：darkSeaGreen苍绿色：paleGreen浅绿色：lightGreen玉石绿：jade酸橙绿：lime
Xminyang·2023-09-19 02:06

[ Python ]十五个炫酷代码

fromturtleimport*colors=["red","yellow","blue","lime"]bgcolor("black")x=6t=[Turtle(),Turtle()]forindex
Lamb!·2023-09-18 17:59

适配uniapp的图表插件——Lime UI

一款基于uniapp的多端兼容组件，支持nvue，详情可参考官方地址使用注意事项：插件用到了css预编译器stylus要先安装对echarts内部的方法和样式做过改动，只是使其兼容uniapp件使用了webview支持nvue。安装在uniapp插件市场找到百度图表导入即可使用方式1、通过ref获取节点组件内部init方法生成图表this.$refs.chart.init(config=>{...
一个韩了个韩·2023-09-17 16:28

Python+SQL万字案例：用户行为数据分析实战！

freedom_lime|作者掘金|来源https://juejin.im/post/6844904202590748679#heading-01项目背景项目对京东电商运营数据集进行指标分析以了解用户购物行为特征
数据不吹牛·2023-09-11 21:21

微信小程序使用lime-echart踩坑记录

一、使用echarts包微信小程序项目使用的是uni-app，插件是lime-echart，版本一开始安装的是lime-echart-0.7.9；在项目分包之后，为了避免主包过大，就将这个插件也一并搬到了分包中
cautionHua·2023-09-07 06:14

“Why Should I Trust You?” Explaining the Predictions of Any Classifier阅读笔记

ExplainingthePredictionsofAnyClassifier阅读笔记1.论文贡献2.背景[1]^{[1]}[1]3.LIME解释单个样本3.1总体思想3.2构建可解释的数据表示[1]^
喝过期的拉菲·2023-08-31 02:22

机器学习实战之模型的解释性：Scikit-Learn的SHAP和LIME库详解

好消息是，SHAP和LIME这两个库能帮助我们！它们可以帮助我们揭示模型的内部结构，让我们能够更好地理解和优化模型。一：SHAP值到
Rocky006·2023-08-26 15:46

机器学习实战之模型的解释性：Scikit-Learn的SHAP和LIME库

好消息是，SHAP和LIME这两个库能帮助我们！它们可以帮助我们揭示模型的内部结构，让我们能够更好地理解和优化模型。一：SHAP值到底
Rocky006·2023-08-26 15:46

模型解释-LIME的原理和实现

摘要这一篇文章我们会介绍一种模型解释的方法,LIME,即会通过简单的模型来解释黑盒模型.我们会介绍LIME的简单的原理,和一个例子,使用LIME来解释使用Pytorch搭建的模型.简介这一部分介绍使用LIME
李苏溪·2023-08-24 05:28

【图像分类】基于LIME的CNN 图像分类研究（Matlab代码实现）

本文目录如下：目录1概述2运行结果3参考文献4Matlab代码实现1概述基于LIME（LocalInterpretableModel-AgnosticExplanations）的CNN图像分类研究是一种用于解释
程序猿鑫·2023-08-20 10:40

uniapp页面生成海报并保存和分享微信

Painter画板|LimeUiLimeUi-增强型的uni-app组件库http://liangei.gitee.io/limeui-docs/components/painter/lime-painter
小董不凶·2023-08-17 16:29

人工智能可解释性（补充）

积分梯度IntegratedGradients（梯度计算进阶）2.3全局解释2.3.1ActivationMaximization2.3.2GAN,VAE2.4用一个可解释模型解释不可解释模型2.4.1LIME
笑傲江湖2023·2023-08-11 22:48

uniapp使用eatchs雷达图

item.name5}}{{item.name6}}{{item.name7}}{{item.name8}}{{item.name9}}雷达图+添加import*asechartsfrom'@/uni_modules/lime-echart
王山而文武·2023-08-09 19:31

LIME（可解释性分析方法）

目录1.什么是LIME2.思路3.LIME在不同任务中的范式（待补充）1.什么是LIME简单理解：对于分类任务：如下图所示，LIME可以列出分类结果，所依据特征对应给比重。
笑傲江湖2023·2023-08-06 10:58

【图像分类】基于LIME的CNN 图像分类研究（Matlab代码实现）

目录1概述2运行结果3参考文献4Matlab代码实现1概述基于LIME（LocalInterpretableModel-AgnosticExplanations）的CNN图像分类研究是一种用于解释CNN
然哥依旧·2023-07-27 16:55

python lime_本地可解释模型不可知的解释– LIME in Python

itsalwaysgoodtohavetheabilityto‘explain’whatyourmodelisdoing.UsingLocalInterpretableModel-agnosticExplanations(LIME
cumei1658·2023-06-17 09:34

LIME-论文阅读笔记

主要内容人工智能中的可解释性LIME算法思想LIME的前置条件LIME的目的对于模型输出的可解释性(LIME)对于模型行为的可解释性(SP-LIME)人工智能中的可解释性如今，机器学习乃至深度学习技术发展得如火如荼
劉北习·2023-06-17 09:33

LIME论文阅读笔记

这是暗图增强领域一篇经典的传统方法论文，发表在TIP这个顶刊文章基于的是这样一个公式：L=R⋅TL=R\cdotTL=R⋅T其中，LLL是暗图，RRR是反射分量，TTT是illuminationmap，并且对于彩色图像来说，三通道都共享相同的illuminationmap。我们可以使用各种方法估计TTT，又已知LLL，则可以得到反射分量R=L/TR=L/TR=L/T，并认为反射分量就是增强结果，即
sysu_first_yasuo·2023-06-17 09:03

uniapp实现生成海报功能

id=2389引入插件在上面的链接中下载插件然后引入importlPainterfrom'@/components/lime-painter/'//存放插件的路径，可能跟我的不一样expor
清慕_qing·2023-06-14 06:39

再说提升模型：癌症治疗后的生存分析

建模过程中们使用了提升法和一些可解释方法，如特征重要性、其他因素（CeterisParibus）和局部依赖性、分解图和LIME。我们将使用R中survival包中“B/C期结肠癌化疗”的数据。
金朝老师·2023-06-13 01:52

2021-02-20 fun opensource

https://github.com/YepFury/readerhttps://gitee.com/bullteam/lime/tree/master小说、漫画数字类产品网络分销开源golang+vue
平凡啊菜·2023-04-15 23:48

单位、字体样式、行间距、文本、盒子类型

17中颜色–aqua、black、blue、fuchsia、gray、green、lime、maroon、navy、olive、orange、purple、red、silver、teal、white、yellow
玖岁灬·2023-04-14 05:21

《Rank-LIME: Local Model-Agnostic Feature Attribution for Learning to Rank》论文精读

文章目录一、论文信息摘要二、要解决的问题现有工作存在的问题论文给出的方法（Rank-LIME）介绍贡献三、前置知识LIMEFeatureAttributionModel-AgnosticLocalLearningtoRank
GCTTTTTT·2023-04-13 19:00

分类模型的可解释性

ExplainingthePredictionsofAnyClassifier》论文地址：https://chu-data-lab.github.io/CS8803Fall2018/CS8803-Fall2018-DML-Papers/lime.pdf
xieyan0811·2023-04-12 08:49

【可解释机器学习】15分钟带你了解6种可解释性机器学习框架

5分钟带你了解6种可解释性机器学习框架1.举个例子：树模型的解释性2.6种可解释性框架2.1SHAP2.2LIME2.3Shapash2.4InterpretML2.5ELI52.6OmniXAI参考资料随着人工智能的发展
镰刀韭菜·2023-04-01 23:04

复杂模型可解释性方法——LIME

一、模型可解释性    近年来，机器学习（深度学习）取得了一系列骄人战绩，但是其模型的深度和复杂度远远超出了人类理解的范畴，或者称之为黑盒（机器是否同样不能理解？），当一个机器学习模型泛化性能很好时，我们可以通过交叉验证验证其准确性，并将其应用在生产环境中，但是很难去解释这个模型为什么会做出此种预测，是基于什么样的考虑？作为机器学习从业者很容易想清楚为什么有些模型存在性别歧视、种族歧视和民族仇恨言
飞剑客阿飞·2023-03-26 13:55

针对CNN预训练模型的ICE解释框架

提到计算机视觉中CNN模型的相关研究，可能大家比较熟悉CAM，LIME和Saliencymap等方法。
AITIME论道·2023-03-18 20:06

10个最频繁用于解释机器学习模型的 Python 库

可解释性实践的步骤技术交流1、SHAP2、LIME3、Eli54、Shapash5、Anchors6、BreakDown7、Interpret-Text8、aix360(AIExplainability360
Python数据挖掘·2023-03-16 20:59

数据工程师需要掌握的18个python库

SeleniumScrapyBeautifulSoup数据清洗SpacyNumPyPandas数据可视化MatplotlibPyecharts数据建模Scikit-learnPyTorchTensorFlow模型检查Lime
刘早起早起·2023-03-12 15:46

LIME算法：图像分类解释器（代码实现）

在上一篇博客LIME算法：模型的可解释性（代码实现）中，我整理了LIME算法的原理及在文本分类模型中的应用。在这篇笔记中，我记录了LIME算法在图像分类模型中的应用及过程中遇到的问题和解决方法。
进击的挖掘机·2023-02-25 07:07

【CV with Pytorch】第 10 章 ：计算机视觉的可解释人工智能

有多个库可以帮助我们解释结构化数据模型，例如SHAP和LIME。本章介绍计算机视觉模型输出。以下是近年来提出的一些用于计算机视觉的白盒算法：CAMGrad-CAMGrad-CAM
Sonhhxg_柒·2023-02-22 07:49
上一页 1 2 3 4 5 6 7 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他