قاموس الذكاء الاصطناعي
القاموس الكامل للذكاء الاصطناعي
المراسي (Anchors)
طريقة تفسير محلية توفر قواعد قرارية بسيطة وكافية (مراسي) تضمن احتماليًا نفس التوقع لجوار الملاحظة، مما يوفر تفسيرًا أكثر استقرارًا من LIME.
قيم شابلي
المفهوم النظري الأساسي لـ SHAP، يمثل المساهمة الهامشية المتوسطة للميزة عبر جميع التحالفات الممكنة للميزات في نموذج، مما يضمن توزيعًا عادلًا للأهمية.
التفسير بالنموذج البديل المحلي
نهج يدرب نموذجًا بسيطًا وقابلًا للتفسير (مثل شجرة قرار أو انحدار خطي) لتقريب سلوك نموذج معقد فقط في الجوار المحدود لتوقع معين.
جوار الملاحظة
مساحة البيانات المعرفة حول ملاحظة محددة، تستخدمها طرق التفسير المحلية لتوليد اختلافات وتقريب سلوك النموذج في هذه المنطقة المحدودة.
الولاء المحلي
مقياس يقيم الدقة التي يعيد بها التفسير المحلي (مثل النموذج البديل) إنتاج توقعات النموذج الأصلي في جوار الملاحظة المفسرة.
TreeSHAP
متغير من خوارزمية SHAP محسن للنماذج القائمة على أشجار القرار، قادر على حساب قيم شابلي الدقيقة بشكل أسرع بكثير باستغلال البنية الجوهرية لهذه النماذج.
KernelSHAP
تنفيذ لـ SHAP يستخدم دالة ترجيح (نواة) لتقدير قيم شابلي بشكل تقريبي، مما يجعله قابلاً للتطبيق على أي نموذج بشكل محايد ولكن بتكلفة حسابية أعلى.
DeepSHAP
تكييف لـ SHAP مصمم خصيصًا لنماذج التعلم العميق، الذي يجمع بين قيم شابلي وتقنيات الانتشار الخلفي لحساب نسب الميزات بكفاءة.
الشرح المخصص
شرح محلي يتم إنشاؤه خصيصًا لعينة فردية واحدة، دون ادعاء التعميم، على عكس الشروح العالمية التي تسعى إلى وصف السلوك العام للنموذج.
تأثير الخاصية المحلية
قياس تأثير خاصية محددة على توقع ملاحظة واحدة، بتحديد كيفية تغيير تغير هذه الخاصية لنتيجة النموذج لهذه الحالة بالذات.
تشخيص التوقع الفردي
العملية الكاملة لتحليل توقع فردي باستخدام طرق محلية متنوعة (مثل LIME، SHAP، الحقائق المضادة) لفهم الآليات الأساسية، والتحقق من القرار، وتحديد التحيزات المحتملة.
استقرار الشرح المحلي
خاصية طريقة التفسير المحلية لإنتاج شروح متسقة للملاحظات المتشابهة جدًا، وهي قضية حاسمة للثقة والموثوقية في التشخيصات الفردية.
التدرجات المتكاملة
طريقة إسناد محلية للنماذج القابلة للاشتقاق تحسب أهمية الخاصية من خلال دمج تدرج المخرجات بالنسبة لتلك الخاصية على طول مسار من خط الأساس إلى المدخل.
خط الأساس
نقطة مرجعية (غالبًا متجه صفري أو عينة متوسطة) تُستخدم في طرق الإسناد مثل التدرجات المتكاملة لقياس مساهمة الخاصية مقارنة بحالة محايدة أو متوقعة.