explainable-ml

先进的 AI 可解释性工具，支持计算机视觉的 CNN、Vision Transformers、分类、目标检测、分割、图像相似度等。

适配可解释模型。解释黑盒机器学习。

精选负责任机器学习资源列表

LLM 实验与 AI 代理的评估与追踪

Python 机器学习与数据科学的调试、监控与可视化

🔅 Shapash：用户友善的可解释性与可解读性工具，协助开发可靠且透明的机器学习模型

用于图深度学习研究的库

Responsible AI Toolbox 是一套提供模型与数据探索、评估用户界面及库的工具，能协助深入理解 AI 系统。这些界面与库赋能开发人员与 AI 系统利益相关者，使其能更负责任地开发与监控 AI，并采取更好的数据驱动行动。

数据与机器学习模型的直观性与可解释性

可解释机器学习包 🔍，用于简洁、透明且准确的预测建模（兼容 sklearn）。

为任何机器学习模型生成多样的反事实解释。

用于探索与解释的模型无关语言

XAI - 机器学习的可解释性工具箱

[欢迎贡献] Python 中的广义加法模型 (GAM)

OmniXAI：一个用于可解释 AI（eXplainable AI）的库

👋 Xplique 是一个神经网络可解释性工具箱

💭 基于层面的情感分析：Transformer 与可解释机器学习 (TensorFlow)