AI Explainability 360机器学习可解释性工具箱

AI Explainability 360 是一个开源工具包，内含机器学习八种前沿的可解释性方法和两个维度评价矩阵。可以帮助用户更好地理解机器学习模型在整个 AI 应用程序生命周期中使用各种技术预测标签的方式。

八种可解释性算法

• 通过列生成的布尔决策规则（精简版）
• 广义线性规则模型
• ProfWeight
• 训练人工智能解释它的决定
• 对比解释法
• 单调属性函数对比解释法
• 解开推断的先验 VAE 
• ProtoDash

两个维度评价矩阵

• 忠诚 Faithfulness
• 单调性 Monotonicity