Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
FAQ
Il existe de nombreuses méthodes pour déterminer l'importance des fonctionnalités qui ne sont pas abordées ici. Pourquoi ne sont-ils pas mentionnés ?
Ce guide met l'accent sur ce que nous pensons être les méthodes les plus efficaces et les plus directes pour l'interprétabilité des modèles. D'autres méthodes présentent des avantages en termes de rapidité et de facilité de calcul, et peuvent être appropriées selon le modèle. Les directives contenues dans cet article sont prescriptives et non proscriptives.
Quels sont les points faibles des méthodes préconisées ?
SHAP nécessite des attributions dérivées d'une moyenne pondérée de toutes les combinaisons de fonctionnalités. Les attributions obtenues de cette manière peuvent être trompeuses lorsqu'il s'agit d'estimer l'importance des caractéristiques lorsqu'il existe de fortes interactions entre les caractéristiques. Les méthodes basées sur des gradients intégrés peuvent être difficiles à interpréter en raison du grand nombre de dimensions présentes dans les grands réseaux neuronaux. Les modèles peuvent utiliser les fonctionnalités de manière inattendue pour atteindre un certain niveau de performance, qui peut varier en fonction du modèle. L'importance des fonctionnalités dépend donc toujours du modèle.
