Fig21

Figshare2025-03-12 更新2026-04-28 收录

特征重要性评估

模型可解释性

数据链接：

https://figshare.com/articles/dataset/Fig21/28582310 数据链接链接失效反馈

官方服务：

资源简介：

Feature importance ranking derived from the optimal model IV-GWO-RF

创建时间：

2025-03-12

SolshineMisfit/nla-qwen2.5-7b-L20-results-famous-ads

模型可解释性

广告分析

该数据集名为著名广告标语——NLA激活分析（Qwen2.5-7B，第20层），旨在探究语言模型在读取著名广告标语时的内部表示。它使用自然语言自编码器（NLA）将Qwen2.5-7B-Instruct模型在第20层最后一个token的残差流激活解码为自然语言描述。数据集包含约146条著名广告标语（源自维基百科，附有品牌、年份和上下文信息），每条标语都对应一个由AV生成的英文解释（描述模型对该标语的表

Hugging Face2026-05-27 更新70

ANB-Ablation-Surrogates

消融实验

模型可解释性

Ablation surrogate models trained on different portions of the total dataset. Meant to reproduce results in Section. 4 of the paper.

Figshare2023-04-17 更新30

Features importance.

特征重要性评估

随机森林可解释性

Ranking given according to features importance computed in the course of training. The decrease in nodes impurity, measured by the Gini index, is computed as the average among all trees.

Figshare2015-12-02 更新20

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50

OpenXAI

模型可解释性

事后解释方法

Pre-trained models and datasets for benchmarking post hoc explanation methods

NIAID Data Ecosystem30