Verbesserung der Erklärungstreue von Vorhersagen durch differenzierbare Einfügungs-/Löschungsmetriken-basierte Regularisierung

Durch die Optimierung von Prädiktoren unter Verwendung differenzierbarer Einfügungs- und Löschungsmetriken als Regularisierung können Erklärer wie LIME, KernelSHAP und Grad-CAM Erklärungen erzeugen, die treuer das Verhalten des Prädiktors widerspiegeln.