Git Stars Git Stars

#explainable-ml 仓库

探索 17 个标记为 #explainable-ml 的活跃开源 GitHub 仓库,它们累计获得 49,435 个 Star(平均每个项目 2,907 个)。该主题的领先项目是 jacobgil/pytorch-grad-cam,拥有 13,014 个 Star。

17
仓库总数
49,435
总星标数
2,907
平均每个仓库星标数
1
jacobgil/pytorch-grad-cam

计算机视觉的高级 AI 可解释性。支持 CNN、Vision Transformers、分类、对象检测、分割、图像相似性等。

jacobgil
⭐ 13,014 Python 👤 jacobgil User 🕐 已更新 2026-11-01 📅 创建时间 2017-05-31
2
interpretml/interpret

拟合可解释模型。解释黑箱机器学习。

interpretml
⭐ 6,986 C++ 👤 interpretml Organization 🕐 已更新 2026-11-16 📅 创建时间 2019-05-03
3
jphall663/awesome-machine-learning-interpretability

精选的优秀负责任机器学习资源列表。

jphall663
⭐ 4,088 👤 jphall663 User 🕐 已更新 2026-06-03 📅 创建时间 2018-06-21
4
truera/trulens

LLM实验与AI代理的评估与追踪

truera
⭐ 3,665 Python 👤 truera Organization 🕐 已更新 2026-11-20 📅 创建时间 2020-11-02
5
microsoft/tensorwatch

Python 机器学习和数据科学的调试、监控和可视化

microsoft
⭐ 3,477 Jupyter Notebook 👤 microsoft Organization 🕐 已更新 2026-03-30 📅 创建时间 2019-05-15
6
MAIF/shapash

🔅 Shapash: 用户友好的可解释性和可理解性,以开发可靠且透明的机器学习模型

MAIF
⭐ 3,297 Jupyter Notebook 👤 MAIF Organization 🕐 已更新 2026-11-16 📅 创建时间 2020-04-29
7
divelab/DIG

图深度学习研究的库

divelab
⭐ 1,997 Python 👤 divelab Organization 🕐 已更新 2024-07-15 📅 创建时间 2020-10-30
8
microsoft/responsible-ai-toolbox

Responsible AI Toolbox 是一套工具,提供模型和数据探索与评估的用户界面和库,能够帮助更好地理解 AI 系统。这些界面和库使 AI 系统的开发人员和相关方能够更负责任地开发和监控 AI,并采取更明智的数据驱动行动。

microsoft
⭐ 1,858 TypeScript 👤 microsoft Organization 🕐 已更新 2026-11-21 📅 创建时间 2020-07-06
9
Trusted-AI/AIX360

数据和机器学习模型的可解释性和解释性

Trusted-AI
⭐ 1,809 Python 👤 Trusted-AI Organization 🕐 已更新 2026-09-05 📅 创建时间 2019-07-11
10
csinva/imodels

可解释的 ML 包 🔍 用于简洁、透明和准确的预测建模(兼容 sklearn)。

csinva
⭐ 1,631 Jupyter Notebook 👤 csinva User 🕐 已更新 2026-11-13 📅 创建时间 2019-07-04
11
interpretml/DiCE

为任何机器学习模型生成多样化的反事实解释。

interpretml
⭐ 1,519 Python 👤 interpretml Organization 🕐 已更新 2025-07-13 📅 创建时间 2019-05-02
12
ModelOriented/DALEX

模型无关的探索与解释语言

ModelOriented
⭐ 1,489 Python 👤 ModelOriented Organization 🕐 已更新 2026-07-15 📅 创建时间 2018-02-18
13
EthicalML/xai

XAI - 一个用于机器学习的可解释性工具箱

EthicalML
⭐ 1,270 Python 👤 EthicalML Organization 🕐 已更新 2025-11-29 📅 创建时间 2019-01-11
14
dswah/pyGAM

[欢迎贡献者] Python 中的广义加性模型

dswah
⭐ 1,024 Python 👤 dswah User 🕐 已更新 2026-04-21 📅 创建时间 2017-01-19
15
salesforce/OmniXAI

OmniXAI: 一个用于可解释人工智能的库

salesforce
⭐ 975 Jupyter Notebook 👤 salesforce Organization 🕐 已更新 2026-06-02 📅 创建时间 2022-02-17
16
deel-ai/xplique

👋 Xplique是一个神经网络可解释性工具箱

deel-ai
⭐ 761 Python 👤 deel-ai Organization 🕐 已更新 2026-11-06 📅 创建时间 2020-04-05
17
ScalaConsultants/Aspect-Based-Sentiment-Analysis

💭 基于方面的情感分析:Transformer & 可解释 ML (TensorFlow)

ScalaConsultants
⭐ 585 Python 👤 ScalaConsultants Organization 🕐 已更新 2026-09-07 📅 创建时间 2020-01-08

常见问题解答

1

GitHub 上最受欢迎的 #explainable-ml 仓库是什么?

GitHub 上排名第一的开源 #explainable-ml 项目是 jacobgil/pytorch-grad-cam,拥有 13,014 个 Star。计算机视觉的高级 AI 可解释性。支持 CNN、Vision Transformers、分类、对象检测、分割、图像相似性等。

2

#explainable-ml 仓库中最常使用的编程语言有哪些?

在 GitHub 上排名靠前的 #explainable-ml 项目中,最常见的编程语言是 Python, Jupyter Notebook, C++, TypeScript。

3

#explainable-ml 仓库的排名是如何计算的?

我们跟踪了 17 个标记为 #explainable-ml 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 49,435 个 Star,平均每个仓库拥有 2,907 个 Star。排名每日根据 GitHub API 更新。