PK PyTorchKR Papers
Papers with Code 아카이브

Interpretable Machine Learning

태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.

전체 기법전체 데이터셋
하위 태스크
2
평가표
1
보존된 평가 기록
2

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.

Source: Assessing the Local Interpretability of Machine Learning Models

평가 결과

데이터셋과 평가 조건을 선택해 성능·논문·코드를 비교하세요. 보존된 Papers with Code 기록으로, 최신 순위는 아닙니다.

IMDb Movie Reviews

원본 태스크: Interpretable Machine Learning / Data Mining / Opinion Mining

평가 기록 15건

ValNov Subtask A

원본 태스크: Interpretable Machine Learning / Data Mining / Argument Mining / ValNov

평가 기록 8건

RR

원본 태스크: Interpretable Machine Learning / Data Mining / Argument Mining / Argument Pair Extraction (APE)

평가 기록 3건

ValNov Subtask B

원본 태스크: Interpretable Machine Learning / Data Mining / Argument Mining / ValNov

평가 기록 3건

CUB-200-2011

원본 태스크: Interpretable Machine Learning

평가 기록 2건

CDCP

원본 태스크: Interpretable Machine Learning / Data Mining / Argument Mining / Component Classification

평가 기록 1건

IAM Dataset

원본 태스크: Interpretable Machine Learning / Data Mining / Argument Mining / Claim Extraction with Stance Classification (CESC)

평가 기록 1건

IAM Dataset

원본 태스크: Interpretable Machine Learning / Data Mining / Argument Mining / Claim-Evidence Pair Extraction (CEPE)

평가 기록 1건

TUD

원본 태스크: Interpretable Machine Learning / Data Mining / CSV dialect detection

평가 기록 1건

출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.