技術編號：40388510
提示：您尚未登錄，請點 登 陸 后下載，如果您還沒有賬戶請點 注 冊 ，登陸完成后，請刷新本頁查看技術詳細信息。本發(fā)明涉及機器學習(ml)可解釋性(mlx)。本文介紹了一種基于由數(shù)據集樣本的特征置換建立的超特征重要性的黑盒ml模型的局部解釋技術。背景技術、機器學習(ml)和深度學習之所以變得無處不在，主要有兩個原因：它們能夠解決各種不同領域的復雜問題，以及現(xiàn)代計算資源的性能和效率不斷提高。但是，隨著問題的復雜性不斷增加，應用于這些問題的ml模型的復雜性也在不斷增加。、深度學習是這一趨勢的一個典型示例。其他ml算法(諸如神經網絡)可能只包含幾層密集連接的神經元，而深度學習算法(諸如卷積神經網絡)可能包含...
注意：該技術已申請專利，請尊重研發(fā)人員的辛勤研發(fā)付出，在未取得專利權人授權前，僅供技術研究參考不得用于商業(yè)用途。
該專利適合技術人員進行技術研發(fā)參考以及查看自身技術是否侵權，增加技術思路，做技術知識儲備，不適合論文引用。
請注意，此類技術沒有源代碼，用于學習研究技術思路。