S-LIME阅读笔记（有实验代码）摘要介绍背景讨论
S-LIME: Stabilized-LIME for Model Explanation摘要介绍背景LIME符号表最优化LASSO和LARSLIME的不稳定性LASSO的不稳定性摘要 黑盒的机器学习模型虽然效果较好，但缺乏解释性。基于扰动的事后解释（如LIME）被广泛用于在机器学习模型建立后对其进行解释。这类方法表现出很大的不稳定性，对方法本身的有效性提出了严重挑战，并损害了用户的信任。在本文中，我们提出了S-LIME，它利用基于中心极限定理的假设检验框架来确定保证结果解释稳定性所需的扰动点
