JOINT-F1: 41.50NOV-F1: 38.39VAL-F1: 44.60
Papers with Code · CC BY-SA 4.0
Interpretable Machine Learning
The goal of Interpretable Machine Learning is to allow oversight and understanding of machine-learned decisions. Much of the work in Interpretable Machine Learning has come in the form of devising methods to better explain the predictions of machine learning models.
<span class="description-source">Source: Assessing the Local Interpretability of Machine Learning Models </span>
개요는 각 항목의 일부입니다. 위 탭에서 전체 기록을 페이지별로 탐색할 수 있습니다.
벤치마크
Papers with Code 아카이브의 데이터셋별 기록 예시입니다. 평가 조건과 지표 방향이 검증되지 않아 순위를 의미하지 않습니다.
Dataset기록된 모델 예시MetricPaperCode
데이터셋
11개논문
Macro F1: 60.25
Overall F1: 26.61
Overall F1: 32.81
Overall F1: 34.4
Macro F1: 78.71
Top 1 Accuracy: 85.9
macro F1: 85.06
Top 1 Accuracy: 85.7
라이브러리
Papers with Code 리더보드 row에 연결된 구현 저장소입니다.