В чем заключаются основные различия между LIME и SHAP методами объяснения в XAI?

Некоторые основные различия между LIME и SHAP методами объяснения в XAI:

• Область применения. aicompetence.org SHAP даёт глобальные и локальные объяснения, в то время как LIME в основном фокусируется на локальных объяснениях. aicompetence.org
• Согласованность результатов. aicompetence.org SHAP основан на значениях Шэпли, что обеспечивает справедливое распределение вклада признаков. aicompetence.org LIME приближает поведение чёрной коробки, что может приводить к менее согласованным результатам. aicompetence.org
• Скорость вычислений. aicompetence.org SHAP может быть ресурсоёмким, в то время как LIME обычно работает быстрее, но в некоторых случаях менее надёжен. aicompetence.org
• Обработка взаимодействия признаков. aicompetence.org SHAP может естественным образом захватывать взаимодействие между признаками благодаря своей основе в значениях Шэпли, которые учитывают вклад различных комбинаций признаков. aicompetence.org LIME, однако, не учитывает взаимодействие, поскольку генерирует линейные приближения вокруг отдельных экземпляров, что делает его менее эффективным для сильно интерактивных моделей. aicompetence.org
• Визуализация. arxiv.org SHAP генерирует несколько графиков, которые отображают результаты как в локальном, так и в глобальном масштабе, в то время как LIME генерирует один график для каждого экземпляра. arxiv.org