interpretable-machine-learning

Interpretierbare Modelle anpassen. Black-Box-Maschinelles-Lernen erklären.

Eine kuratierte Liste fantastischer Ressourcen für verantwortungsvolles maschinelles Lernen.

Generieren Sie diverse kontrafaktische Erklärungen für jedes beliebige Machine-Learning-Modell.

moDel Agnostic Language for Exploration and eXplanation

PiML (Python Interpretable Machine Learning) Toolkit für Modellentwicklung und -diagnose

[MITWIRKEN WILLKOMMEN] Generalisierte additive Modelle in Python

OmniXAI: Eine Bibliothek für erklärbare KI (eXplainable AI)

Shapley-Interaktionen und Shapley-Werte für maschinelles Lernen

Beispiele für Techniken zum Trainieren interpretierbarer ML-Modelle, zum Erklären von ML-Modellen und zum Debuggen von ML-Modellen hinsichtlich Genauigkeit, Diskriminierung und Sicherheit.