Sökning: "SHAP"

Visar resultat 16 - 20 av 48 uppsatser innehållade ordet SHAP.

1. 16. A Comparative Study on the Effects of Removing the Most Important Feature on Random Forest and Support Vector Machine

   Kandidat-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :Henrik Åkesson; Hampus Fridlund; [2023]
   Nyckelord :;

   Sammanfattning : Machine learning (ML) for classification is largely regarded as a “black box”, in that it’s difficult to fully understand how the model reached a decision, and how changes to the input affects the output. Therefore, exploring the inner workings of classification models are of interest for expanding the current knowledge base, providing guidelines for choosing a more suitable classification model for a specific problem. LÄS MER

3. 17. Detektera mera! : Maskininlärningsmetoder mot kreditkortsbedrägerier

   Kandidat-uppsats, Högskolan i Halmstad/Akademin för informationsteknologi

   Författare :Elin Jönsson; [2022]
   Nyckelord :AI; Artificiell Intelligens; Maskininlärning; Detektering; Kreditkort; Kortbedrägeri; XAI; Förklarande AI; SHAP;

   Sammanfattning : I denna kandidatuppsats undersöks och utvärderas maskininlärningsmetoder för bedrägeridetektering inom kreditkortsbedrägerier med syfte att identifiera problemområden och ange förbättringar. Trots utvecklingen och framfarten av artificiell intelligens (AI), finns det fortfarande problem med att framgångsrikt klassificera kreditkortsbedrägerier. LÄS MER

4. 18. Explainable Reinforcement Learning for Gameplay

   Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :Àlex Costa Sánchez; [2022]
   Nyckelord :Explainable Artificial Intelligence; Local Interpretable Model-agnostic Explanations; Reinforcement Learning; Shapley Additive Explanations; Intel·ligencia Artificial Interpretable; Explicacions model-agnòstiques localment interpretables; Aprenentatge per reforç; Explicacions additives de Shapley; Förklarbar artificiell intelligent; Lokala tolkningsbara modellagnostiska förklaringar; Förstärkningsinlärning; Shapleys additiv förklaringar;

   Sammanfattning : State-of-the-art Machine Learning (ML) algorithms show impressive results for a myriad of applications. However, they operate as a sort of a black box: the decisions taken are not human-understandable. LÄS MER

5. 19. XAI-assisted Radio Resource Management: Feature selection and SHAP enhancement

   Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

   Författare :Nicolás Sibuet Ruiz; [2022]
   Nyckelord :Deep Learning; Explainable Artficial Intelligence; 5G; Model Reduction; Deep Learning; Förklarlig AI; 5G; Modellreduktion;

   Sammanfattning : With the fast development of radio technologies, wireless systems have become more convoluted. This complexity, accompanied by an increase of the number of connections, is translated into a need for more parameters to analyse and decisions to take at each instant. LÄS MER

7. 20. Using XAI Tools to Detect Harmful Bias in ML Models

   Kandidat-uppsats, Umeå universitet/Institutionen för datavetenskap

   Författare :Klaus Virtanen; [2022]
   Nyckelord :Explainable AI; XAI; Machine Learning; Bias; Bias in Machine Learning; LIME; SHAP;

   Sammanfattning : In the past decade, machine learning (ML) models have become farmore powerful, and are increasingly being used in many important contexts. At the same time, ML models have become more complex, and harder to understand on their own, which has necessitated an interesting explainable AI (XAI), a field concerned with ensuring that ML and other AI system can be understood by human users and practitioners. LÄS MER