interpretable-machine-learning

Ajuster des modèles interprétables. Expliquer l'apprentissage automatique en boîte noire.

Une liste organisée de ressources exceptionnelles sur l'apprentissage automatique responsable.

Générez des explications contrefactuelles diversifiées pour tout modèle d'apprentissage automatique.

Langage agnostique au modèle pour l'exploration et l'explication

Boîte à outils PiML (Python Interpretable Machine Learning) pour le développement et le diagnostic de modèles

[CONTRIBUTORS WELCOME] Modèles additifs généralisés en Python

OmniXAI : une bibliothèque pour l'IA explicable

Interactions de Shapley et valeurs de Shapley pour l'apprentissage automatique.

Exemples de techniques pour entraîner des modèles ML interprétables, expliquer les modèles ML et déboguer les modèles ML pour la précision, la discrimination et la sécurité.