Как по матрице ошибок посчитать долю ошибочных классификаций?
Почему в методе перестановочной важности признаков нужно выдавать усреднённую оценку по разным запускам, а по однократному запуску?
Метод перестановочной важности признаков завышает или занижает важность сильно скоррелированных признаков? Почему?
Почему для анализа областей, сильнее всего влияющих на классификацию изображений эффективнее разбивать изображение на суперпиксели, а не на квадратные области равномерной сетки? В чём состоит идея алгоритма разбиения изображения на суперпиксели?
Какие объясняющие модели используются для интерпретации прогноза методом LIME?
В чём преимущество условного графика (marginal plot) по сравнению с графиком частичной зависимости (partial dependence plot)? Какой есть недостаток у условного графика и как его можно исправить?
Какие методы интерпретации моделей объясняют прогнозы модели для всей выборки в целом, а какие - только прогноз для конкретного объекта?