首页/数据集/SHAP waterfall plot for an individual prediction.

SHAP waterfall plot for an individual prediction.

Figshare2026-02-03 更新2026-04-28 收录

模型可解释性

特征归因分析

数据链接：

https://figshare.com/articles/dataset/_p_SHAP_waterfall_plot_for_an_individual_prediction_p_/31242991 数据链接链接失效反馈

官方服务：

资源简介：

Cumulative feature effects on the SVC model prediction. (JFIF)

应用场景：

创建时间：

2026-02-03

相关数据集

ConceptCaps

模型可解释性

音乐属性分析

ConceptCaps是由华沙理工大学团队构建的面向音乐模型可解释性研究的高质量数据集，包含23,000条音乐-文本-音频三元组数据。该数据集基于200个音乐属性标签体系构建，采用三阶段生成流程：首先通过变分自编码器建模音乐属性的共现模式，再由微调的大语言模型生成专业描述，最后通过MusicGen合成版权自由的对应音频。数据内容涵盖乐器、流派、情绪等多维度音乐概念，其结构化标签设计有效解决了传统音

arXiv2026-01-21 更新410

Importance coefficient and ranking of features in LDA model.

线性判别分析特征选择

模型可解释性

Importance coefficient and ranking of features in LDA model.

Figshare2022-03-24 更新90

Comparison of Permutation Feature Importance between GRU and LSTM Models for Six Features.

模型可解释性

模型评估

Comparison of Permutation Feature Importance between GRU and LSTM Models for Six Features.

Figshare2025-10-09 更新80

WEBIST 2025 Model Card Analysis

机器学习

模型可解释性

Conducting a review of Model cards to explore the current state-of-the-art of model cards in practice.

DataCite Commons2025-07-24 更新230

kisate-team/gemma-2b-suite-explanations-transcoder

代码转换解释

模型可解释性

--- license: apache-2.0 configs: - config_name: l5 data_files: "explanations_5_combined.jsonl" - config_name: l6 data_files: "explanations_6_combined.jsonl" - config_name: l8 data_files: "explan

Hugging Face2024-07-29 更新80