GitHub Star 总榜 · 开源序

1shap / shap一种解释任何机器学习模型输出的博弈论方法。Jupyter NotebookMIT · 宽松，可直接商用25,851

2EthicalML / awesome-production-machine-learning用于部署、监控、版本控制和扩展机器学习的优秀开源库的精选列表MIT · 宽松，可直接商用21,076

3jacobgil / 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

4interpretml / 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

5meta-pytorch / captumPyTorch 的模型可解释性和理解PythonBSD-3-Clause · 宽松，可直接商用5,720

6jphall663 / 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

7csinva / 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