В этом посте мы представляем простой и масштабируемый подход для создания легко интерпретируемых объяснений для отдельных прогнозов двоичных классификаторов на основе дерева. Этот пост разделен на три раздела: В Разделе 1 мы мотивируем потребность в индивидуальном объяснении прогнозов, сделанных классификаторами машинного обучения, и комментируем, почему наиболее продвинутые методы обычно наименее прозрачны. В Разделе 2 мы рассматриваем предыдущие работы в этой области, в..