AI 词汇表
人工智能完整词典
SHAP pour Séries Temporelles (Temporal SHAP)
SHAP（SHapley Additive exPlanations）方法的一种改编，它考虑了观测值的时间依赖性，以将每个时间步的重要性归因于最终预测。
LSTM-Attribution
一种针对LSTM类型循环神经网络的特定可解释性技术，用于量化每个隐藏状态或记忆单元对模型输出的贡献。
Perturbation Temporelle Guidée (Guided Temporal Perturbation)
一种可解释性方法，通过系统性地修改时间序列的片段来观察其对预测的影响，并使用启发式算法来定位最具影响力的时期。
Saliency Map Séquentielle (Sequential Saliency Map)
为序列数据生成显著性图，其中序列中的每个点都根据该时刻输出相对于输入的梯度获得一个重要性分数。
Integrated Gradients Temporels (Temporal Integrated Gradients)
Integrated Gradients方法的扩展，它沿着时间序列空间中的一条路径对梯度进行积分，通常从一个基线序列（例如：零序列或平均序列）开始。
Explicabilité par Contre-factuel Temporel (Temporal Counterfactual Explanation)
生成一个最小的替代时间序列，该序列会导致不同的预测结果，从而帮助理解模型决策的关键条件。
Décomposition par Additive Functional (Functional ANOVA)
一种统计方法，将时间序列模型的预测函数分解为主效应（单个时期）和交互效应（组合时期），以量化它们的影响力。
Interprétabilité par ondelettes (Wavelet-based Interpretability)
利用小波变换将时间序列分解为不同频率，并定位对模型预测影响最大的模式。
时间关联规则 (Temporal Association Rules)
提取类似'如果在时间t出现模式A，则预测B'的规则，以用可理解的时间模式解释模型的行为。
时间序列LIME (Time-LIME)
LIME（局部可解释模型无关解释）的适配版本，通过采样时间序列段来创建一个局部线性模型，以解释在特定点的预测。
时间影响曲线 (Temporal Influence Profile)
图形化表示每个过去时间步对当前预测的影响，揭示模型对于特定任务的记忆或相关时间范围。
因果敏感性分析 (Causal Sensitivity Analysis)
评估模型对时间序列上因果干预的敏感性，区分相关性和因果关系以获得更稳健的解释。
时间原型解释 (Temporal Prototype Explanation)
识别预测类别的原型（最具代表性）时间序列的方法，并通过新预测与这些原型的相似性来解释新预测。
时间误差分解 (Temporal Error Decomposition)
将模型预测误差分解为与时间序列特定阶段（如：噪声、趋势、季节性）相关的组成部分的技术，以针对性地解决弱点。
时间代理模型解释 (Temporal Surrogate Model)
训练一个简单且可解释的模型（如：ARIMA、线性回归）来在给定时间窗口内局部逼近复杂模型（如：神经网络）的行为。
RNN隐藏状态可视化 (RNN Hidden State Visualization)
应用于RNN隐藏状态向量的技术集合（如：主成分分析PCA、t-SNE），用于可视化模型的内部动态并识别时间模式学习阶段。