Model-Agnostic Interpretation via Feature Perturbation Visualization

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.creatorMarcaiio, Wilson E.-
Autor(es): dc.creatorEler, Danilo Medeiros-
Autor(es): dc.creatorBreve, Fabricio-
Data de aceite: dc.date.accessioned2025-08-21T17:10:01Z-
Data de disponibilização: dc.date.available2025-08-21T17:10:01Z-
Data de envio: dc.date.issued2025-04-29-
Data de envio: dc.date.issued2022-12-31-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.1109/SIBGRAPI59091.2023.10347141-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/11449/306143-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/306143-
Descrição: dc.descriptionAs machine learning algorithms increasingly replace traditional approaches, ensuring their reliability becomes crucial in applications where incorrect decisions can lead to serious consequences. This work proposes a novel model-agnostic in-terpretation approach using feature perturbations, along with a validated visualization tool. The approach enables better understanding of model decisions by domain experts, facilitating effective decision-making in real-world applications.-
Descrição: dc.descriptionSão Paulo State University (UNESP), SP-
Descrição: dc.descriptionSão Paulo State University (UNESP), SP-
Formato: dc.format19-24-
Idioma: dc.languageen-
Relação: dc.relationBrazilian Symposium of Computer Graphic and Image Processing-
???dc.source???: dc.sourceScopus-
Título: dc.titleModel-Agnostic Interpretation via Feature Perturbation Visualization-
Tipo de arquivo: dc.typeaula digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.