نهج موحد لتفسير تنبؤات النماذج

فهم سبب قيام نموذج بتنبؤ معين يمكن أن يكون بنفس القدر من الأهمية مثل دقة التنبؤ في العديد من التطبيقات. ومع ذلك، فإن أعلى درجة من الدقة لأكبر المجموعات البيانات الحديثة تُحقَّق غالبًا بواسطة نماذج معقدة يجد حتى الخبراء صعوبة في فهمها، مثل النماذج التجميعية أو نماذج التعلم العميق، مما يخلق توترًا بين الدقة والقابلية للتفهم. كرد على هذا المشكل، تم تقديم إطار عمل موحد حديثًا لمساعدة المستخدمين في فهم تنبؤات النماذج المعقدة، وهو SHAP (SHapley Additive exPlanations). يقوم SHAP بتعيين قيمة أهمية لكل خاصية بالنسبة لتنبؤ معين. وتتضمن مكوناته الجديدة ما يلي: (1) تحديد فئة جديدة من مقاييس أهمية الخصائص الإضافية، و(2) نتائج نظرية تظهر أن هناك حلًا فريدًا在这类方法中具有一组 المرغوب فيها من الخصائص. تقوم هذه الفئة الجديدة بتوحيد ستة طرق موجودة، وهي ملاحظة مهمة لأن العديد من الطرق الحديثة في هذه الفئة تنقصها الخصائص المرغوب فيها المقترحة. بناءً على الرؤى المستفادة من هذا التوحيد، نقدم طرقًا جديدة تظهر أداءً حاسوبيًا محسنًا و/أو اتساقًا أفضل مع الحدس البشري مقارنة بالأساليب السابقة.请注意，最后一句中的“在这类方法中”是为了保持句子结构的完整性而添加的，以确保译文更加流畅。在阿拉伯语中，这种调整是常见的，有助于提高可读性和自然度。