XAI – Model Interpretability / Khả năng Giải thích Mô hình

📖 XAI – Model Interpretability

Definition (English):

Model interpretability is the degree to which a human can understand the cause of a decision made by a machine learning model. Interpretable models (like linear regression, decision trees) are inherently explainable, while complex models (deep neural networks) require post-hoc explanation techniques like SHAP, LIME, or attention visualization.

📖 Khả năng Giải thích Mô hình

Định nghĩa (Tiếng Việt):

Khả năng giải thích mô hình là mức độ mà con người có thể hiểu nguyên nhân của quyết định do mô hình học máy đưa ra. Các mô hình có thể giải thích (như hồi quy tuyến tính, cây quyết định) bản thân đã có thể giải thích, trong khi mô hình phức tạp (mạng nơ-ron sâu) cần các kỹ thuật giải thích sau như SHAP, LIME hoặc trực quan hóa attention.

📂 Phân loại: Advanced ML