Notice
Recent Posts
Recent Comments
Link
반응형
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 | 31 |
Tags
- 신경망
- 딥러닝
- 차원 축소
- 지도 학습
- 강화 학습
- rnn
- 머신러닝
- python
- 자연어 처리
- CNN
- Q-Learning
- AI
- GRU
- 인공지능
- LSTM
- Machine Learning
- 회귀
- reinforcement learning
- q-러닝
- 머신 러닝
- 손실 함수
- 정규화
- 강화학습
- Deep learning
- 교차 검증
- 최적화
- 데이터 전처리
- 인공 신경망
- 활성화 함수
- 과적합
Archives
- Today
- Total
목록지역성 (1)
move84
머신러닝: LIME (Local Interpretable Model-agnostic Explanations) 이해하기
머신러닝 모델은 복잡성이 증가함에 따라 예측 성능은 향상되었지만, 모델의 내부 작동 방식을 이해하기 어려워지는 문제가 발생했다. 이러한 '블랙 박스' 모델의 예측 과정을 이해하기 위한 다양한 시도들이 이루어졌으며, 그중 LIME (Local Interpretable Model-agnostic Explanations)은 모델의 예측 결과를 해석하는 데 널리 사용되는 방법 중 하나이다. 💡 LIME의 기본 개념LIME은 '지역적으로 해석 가능한 모델 독립적인 설명'이라는 의미를 가진다. 이는 특정 데이터 포인트에 대한 모델의 예측을 해당 데이터 포인트 주변의 지역적인 (local) 영역에서 단순한 모델 (예: 선형 모델)을 사용하여 설명하는 방식이다. 여기서 '모델 독립적 (model-agnostic)'이..
머신러닝
2025. 3. 3. 10:12