Evaluating Local Explainability Metrics for Machine Learning Models on Tabular Data

En 3 lignesÉtude comparative de la fiabilité des techniques d'explainabilité locale (LIME, SHAP, Feature Ablation) sur 32 datasets tabulaires. Les résultats montrent que la qualité des explications ne corrèle pas systématiquement avec la performance prédictive du modèle, mais dépend plutôt de la complexité du dataset et de la distribution des features.

Résumé généré par Claude — vérifié par l'humain