原文链接：LIME - Local Interpretable Model-AgnosticExplanations 译者：赵屹华 审校：刘翔宇 责编：周建丁（投稿请联系zhoujd@csdn.net）在本文中，我们将介绍一种方法，用来解释这篇论文中的任何一种分类器的预测结果，并且用开源包来实现。动机：我们为什么要理解预测结果？机器学习如今是非常火的一个话

1.ROC曲线考虑一个二分问题，即将实例分成正类（positive）或负类（negative）。对一个二分问题来说，会出现四种情况。如果一个实例是正类并且也被 预测成正类，即为真正类（True positive）,如果实例是负类被预测成正类，称之为假正类（False positive）。相应地，如果实例是负类被预测成负类，称之为真负类（True negative）,正类被预测成负类则为假负类（fa

原文链接：LIME - Local Interpretable Model-AgnosticExplanations 译者：赵屹华 审校：刘翔宇 责编：周建丁（投稿请联系zhoujd@csdn.net）在本文中，我们将介绍一种方法，用来解释这篇论文中的任何一种分类器的预测结果，并且用开源包来实现。动机：我们为什么要理解预测结果？机器学习如今是非常火的一个话

沙普利值来源于合作博弈，cooperative game (coalitional game)。区别于传统博弈认为个体之间是相互独立的并分析其纳什均衡的方法，合作博弈会考虑每个player之间的协作关系，分析合作中会出现的112的收益等情景。合作博弈中一般包含N个参与者，以及一个用于评估不同参与者合作收益的value functionv, 且vϕ0。Shapley value的目的就是解释在一次可