目录 1.JSONPath —— xpath在json的应用 2.JSONPath 表达式 3.jsonpath的安装及使用方式 4.jsonpath的使用 5.JSONPath语法元素和对应XPath元素的对比 6.实例 （1）商店案例 （2） 解析淘票票的“城市选择”数据 1.JSONPath…

可解释的机器学习 中文标题：在自然对话中解释机器学习模型——通过建立一个对话式的XAI代理 英文标题：Explaining Machine Learning Models in Natural Conversations: Towards a Conversational XAI Agent 时间：2022.9.6 作者&#xff…

小武 翻译 ■机器学习的巨大成功带来了新一波人工智能应用（例如，交通、安全、医疗、财务、防御）提供了巨大的好处，但无法向人类用户解释其决策和行动。DARPA的可解释人工智能（XAI）计划致力于创建人工智能系…

文章目录 前言.问题形式化.Nettack.IG-JSMA.实验.Nettack.IG-JSMA. 细节与补充. 前言. N e t t a c k \rm Nettack Nettack 和 I G − J S M A \rm IG-JSMA IG−JSMA 是针对图神经网络进行对抗攻击的两种方法，前者发表在 K D D 2018 \rm KDD~2018 KDD 2018&#x…

XAI之GS：全局代理(Global Surrogate，对黑盒机器学习执行模型可解释性的技术)的简介、常用工具包、案例应用之详细攻略 目录

前言: 搜索这个话题的壮士，一定是想寻找一种更适合自己模型可解释的方法，提升模型的可信和透明度，帮助于模型优化改进或者模型识别和防止偏差等等。故这里不再把时间浪费在什么是可解释这样的问题上。笔者把目前的解释性方法汇总在下面&#…

作为数据科学家或机器学习从业者，将可解释性集成到机器学习模型中可以帮助决策者和其他利益相关者有更多的可见性并可以让他们理解模型输出决策的解释。 在本文中，我将介绍两个可以帮助了解模型的决策过程的模型 LIME 和 SHAP。 模型 我们将使用来自 …

XAI/ML：机器学习模型可解释性之量化特征贡献度(特征重要性)的函数详解(feature_importances_/plot_partial_dependence/permutation_importance) 目录 1、feature_importances_函数 1.1、源代码解读 LGBMClassifier XGBClassifier feature_importances_的原生代码