文档摘要

7.3 结果解释与可解释性 XAI 本节摘要：检测出异常只是开始，理解"为什么它被判定为异常"才是系统被信任、可落地的前提。本节讲清可解释性在异常检测里的六大价值（信任、诊断、洞察、改进、合规、降虚惊），区分内在可解释与事后可解释，详解特征重要性、SHAP、敏感性分析、反事实解释、LIME、可视化等方法在时序场景的用法，并诚实交代高维、时变、非平稳带来的解释难题。 读前必看 阅读完本节，你应当能够： 说出可解释性在异常检测里的六大价值。 会员。《7.3 结果解释与可解释性XAI》收录于灏天文库文集《时间序列异常检测技术》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/490-%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E5%BC%82%E5%B8%B8%E6%A3%80%E6%B5%8B%E6%8A%80%E6%9C%AF

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流