Evaluando métodos de inteligencia artificial explicables basados en la eliminación de características: un enfoque fundamentado en la funcionalidad
Autores: Elkhawaga, Ghada; Elzeki, Omar; Abuelkheir, Mervat; Reichert, Manfred
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Evaluando métodos de inteligencia artificial explicables basados en la eliminación de características: un enfoque fundamentado en la funcionalidad
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Aprendizaje automático
Métodos de explicabilidad
Predicciones
Perspectiva de datos
Método XAI
Métricas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
Aunque las predicciones basadas en aprendizaje automático están alcanzando niveles de precisión sin precedentes, comprender los mecanismos subyacentes de un modelo de aprendizaje automático está lejos de ser trivial. Por lo tanto, explicar los resultados del aprendizaje automático está ganando más interés con una creciente necesidad de comprender, confiar, justificar y mejorar tanto las predicciones como el proceso de predicción.
Descripción
Aunque las predicciones basadas en aprendizaje automático están alcanzando niveles de precisión sin precedentes, comprender los mecanismos subyacentes de un modelo de aprendizaje automático está lejos de ser trivial. Por lo tanto, explicar los resultados del aprendizaje automático está ganando más interés con una creciente necesidad de comprender, confiar, justificar y mejorar tanto las predicciones como el proceso de predicción.