SHAP 需要 30 毫秒来解释欺诈预测。
该解释是随机的，在决策之后运行，并且需要您必须在推理时维护的背景数据集。
本文对神经符号模型进行了基准测试，该模型在 Kaggle 信用卡欺诈数据集上作为前向传递本身的副产品，在 0。
9 毫秒内生成确定性的、人类可读的解释。
文章《生产中的可解释人工智能：用于实时欺诈检测的神经符号模型》首先出现在《走向数据科学》上。
来源：Towards Data Science
生产中的可解释人工智能：用于实时欺诈检测的神经符号模型
SHAP 需要 30 毫秒来解释欺诈预测。 该解释..
作者
生产中的可解释人工智能：用于实时欺诈检测的神经符号模型无评论
1 分
阅读时间
关于作者
上一篇
下一篇
发表回复
关于我们
观澜Media
AI技术 · 深度资讯 · 前沿观察。专注科技、AI、互联网领域的深度报道与前沿资讯。
最新资讯
搜索归档
Access over the years of investigative journalism and breaking reports
