GitHub Star 总榜 · 开源序

1jacobgil / pytorch-grad-cam计算机视觉的高级人工智能可解释性。支持 CNN、视觉变压器、分类、对象检测、分割、图像相似度等。PythonMIT · 宽松，可直接商用13,010

2interpretml / interpret拟合可解释模型。解释黑盒机器学习。C++MIT · 宽松，可直接商用6,976

3jphall663 / awesome-machine-learning-interpretability精选的负责任的机器学习资源列表。CC0-1.0 · 宽松，可直接商用4,084

4truera / trulensLLM 实验与 AI 智能体的评估与跟踪方法PythonMIT · 宽松，可直接商用3,629

5microsoft / tensorwatchPython 机器学习和数据科学的调试、监控和可视化Jupyter NotebookMIT · 宽松，可直接商用不活跃3,479

6MAIF / shapash🔅 Shapash：提供易于使用的解释与可解释性功能，帮助构建可靠且透明的机器学习模型。Jupyter NotebookApache-2.0 · 宽松，可直接商用3,271

7AstraZeneca / awesome-explainable-graph-reasoning与图机器学习的可解释性相关的研究论文和软件的集合。Apache-2.0 · 宽松，可直接商用不活跃1,993

8csinva / imodels可解释的 ML 包🔍，用于简洁、透明和准确的预测建模（与 sklearn 兼容）。Jupyter NotebookMIT · 宽松，可直接商用1,630

9dswah / pyGAM[欢迎贡献者] Python 中的广义加法模型PythonApache-2.0 · 宽松，可直接商用不活跃1,023

10mdipietro09 / DataScience_ArtificialIntelligence_Utils数据科学项目和人工智能用例示例Jupyter Notebook许可证未声明不活跃561