SHAP 需要 30 毫秒来解释欺诈预测。该解释是随机的，在决策之后运行，并且需要您必须在推理时维护的背景数据集。本文对神经符号模型进行了基准测试，该模型在 Kaggle 信用卡欺诈数据集上作为前向传递本身的副产品，在 0.9 毫秒内生成确定性的、人类可读的解释。加速比为 33 倍。欺诈召回是相同的。
人工智能健康工具比以往任何时候都多，但它们的效果如何？
2026-03-30
来源：Towards Data Science
2026-03-30 10:47
生产中的可解释人工智能：用于实时欺诈检测的神经符号模型
解释
欺诈
模型
神经
符号