首页/数据集/Maximum entropy variable permutation importance.

Maximum entropy variable permutation importance.

NIAID Data Ecosystem2026-03-12 收录

特征重要性评估

模型可解释性

数据链接：

https://figshare.com/articles/dataset/Maximum_entropy_variable_permutation_importance_/16776359 数据链接链接失效反馈

官方服务：

资源简介：

Maximum entropy variable permutation importance.

应用场景：

创建时间：

2021-10-08

相关数据集

ConceptCaps

模型可解释性

音乐属性分析

ConceptCaps是由华沙理工大学团队构建的面向音乐模型可解释性研究的高质量数据集，包含23,000条音乐-文本-音频三元组数据。该数据集基于200个音乐属性标签体系构建，采用三阶段生成流程：首先通过变分自编码器建模音乐属性的共现模式，再由微调的大语言模型生成专业描述，最后通过MusicGen合成版权自由的对应音频。数据内容涵盖乐器、流派、情绪等多维度音乐概念，其结构化标签设计有效解决了传统音

arXiv2026-01-21 更新300

SHAP force plot for an individual prediction.

模型可解释性

SHAP

Feature contributions to the SVC model output. (JFIF)

Figshare2026-02-03 更新50

Variable importance in random forest.

随机森林特征重要性

模型可解释性

Variable importance in random forest.

Figshare2020-04-06 更新20

Peeking Inside the Black Box: Visualizing Statistical Learning With Plots of Individual Conditional Expectation

模型可解释性

机器学习可视化

This article presents individual conditional expectation (ICE) plots, a tool for visualizing the model estimated by any supervised learning algorithm. Classical partial dependence plots (PDPs) help vi

NIAID Data Ecosystem90

Importance coefficient and ranking of features in LDA model.

线性判别分析特征选择

模型可解释性

Importance coefficient and ranking of features in LDA model.

Figshare2022-03-24 更新50