استفاده از الگوریتم SHAPبرای تفسیر ناهنجاری تشخیص داده شده

الگوریتم های یادگیری عمیق از جمله رمزگذارهای خودکار , برای تشخیص ناهنجاری ها ( موارد پرت ) به کار می روند و به متخصصان در یافتن ناهنجاریها کمک می کند . اینکه چرا یک نمونه غیرعادی است ,کارشناسان را قادر می سازد تا تحقیقات خود را بر رو ی مهم ترین ناهنجاری ها تمرکز کرده و همچنین به استفاده کنندگان نهایی (دولتها،شرکتهای تجاری ،مراکز بهداشتی و درمانی )این امکان را می دهد تا به مدلهای یادگیری ماشین اعتماد کرده و تصمیمات اتخاذ شده توسط آنها را جایگزین تصمیمات انسانی کنند . در این تحقیق پیشنهاد می گردد که با استفاده از الگوریتم shap به شناسایی ویژگی های تاثیر گذار که در تشخیص مدل کمک میکند،پرداخته و تاثیر ویژگی ها در خروجی مدل مورد بررسی قرار گیرد

کلیدواژه ها:

رمزگذار خودکار ، موارد پرت ، شبکه های متصل ( (Dense ، الگوریتم شپ ، الگوریتم لایم .