Categoria XAI

L’intelligenza artificiale (IA) sta rivoluzionando il modo in cui interagiamo con le tecnologie e prendiamo decisioni basate sui dati. Tuttavia, con l’aumento della complessità degli algoritmi di IA, si rende necessario comprendere come tali decisioni vengano prese. Ecco dove entra…

I grafici Accumulated Local Effects (ALE) descrivono gli effetti locali accumulati di una o più variabili. Servono per determinare l’importanza e l’impatto delle variabili sulle predizioni.Sono molto simili ai Partial Dependence Plot ma sono imparziali e molo più veloci nel…

Con i modelli surrogati globali si intende l’addestramento di un modello White-Box con previsioni del modello Black-Box da interpretare. Il termine “modello surrogato” è un termine utilizzato in ingegneria, statistica, economia e fisica, solo per citarne alcuni, spesso nel contesto…

I valori Shapley sono una tecnica di interpretazione dell’AI (Shap) che ci aiuta a capire quali variabili di input contribuiscono maggiormente alle previsioni finali del modello. Ma come funzionano esattamente questi valori e da dove vengono? Innanzitutto, i valori Shapley…

Shapley Additive exPlanations (SHAP) è un metodo di interpretazione model agnostic, il che significa che può essere applicato a qualsiasi modello machine learning. Per saperne di più guarda l’articolo Tecniche di Explainable Artificial Intelligence (XAI). Il metodo SHAP è inoltre…

In questo articolo classificheremo le tecniche di Explainable Artificial Intelligence (XAI) cioè quelle tecniche che permettono di trattare i modelli di previsione con maggiore trasparenza. Il crescente uso di tecniche deep Learning nella nostra vita quotidiana, pone l’attenzione sull’interpretabilità e…