模型解释性:Lime包的使用
对于每一个输入实例，LIME首先利用该实例以及该实例的一组近邻数据训练一个易于解释的线性模型来拟合待解释模型的局部边界，然后基于该线性模型解释待解释模型针对该实例的决策依据，其中，线性模型的权重系数直接体现了当前决策中该实例的每一维特征的重要性(可以只针对重要特征进行解释)。基于复杂数据挖掘方法构建的预测模型，通常存在“黑箱问题”，导致其可解释性与可利用性降低。是一类可解释的模型，即简单模型的一个集合；是可选的正则项，用于控制模型复杂度。可解释的简单模型(一般为线性模型)是扰动样本与预测样本。
