XAISuite 框架及解释系统不协调的影响（英文版）

英文标题：The XAISuite framework and the implications of explanatory system dissonance中文摘要：本文比较两种解释系统（SHAP 和 LIME）的解释一致性，使用 14 种机器学习模型和 4 个数据集进行了实验，并得出两个结论：解释重要性的大小不重要；SHAP 和 LIME 重要性得分的相似度不能预测模型的准确性。此外，本文构建了一个名为 XAISuite 的开源库，为训练和解释模型提供统一的流程，并提出了一个通用框架来更好地解释机器学习模型并优化它们的性能。英文摘要：Explanatory systems make machine learning models more transparent. However,they are often inconsistent. In order to quantify and isolate possiblescenarios leading to this discrepancy, this paper compares two explanatorysystem