Machine learning post-hoc interpretability: a systematic mapping study (2022)
Vieira, Carla Piazzon Ramos 
; Digiampietri, Luciano Antonio
Fonte: SBSI: XVIII Brazilian Symposium on Information Systems. Nome do evento: Brazilian Symposium on Information Systems. Unidade: EACH
Assuntos: APRENDIZADO COMPUTACIONAL, INTELIGÊNCIA ARTIFICIAL, TOMADA DE DECISÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
VIEIRA, Carla Piazzon Ramos e DIGIAMPIETRI, Luciano Antonio. Machine learning post-hoc interpretability: a systematic mapping study. 2022, Anais.. New York, NY: ACM, 2022. p. art. 1 ( 1-8). Disponível em: https://doi.org/10.1145/3535511.3535512. Acesso em: 16 jun. 2024.APA
Vieira, C. P. R., & Digiampietri, L. A. (2022). Machine learning post-hoc interpretability: a systematic mapping study. In SBSI: XVIII Brazilian Symposium on Information Systems (p. art. 1 ( 1-8). New York, NY: ACM. doi:10.1145/3535511.3535512NLM
Vieira CPR, Digiampietri LA. Machine learning post-hoc interpretability: a systematic mapping study [Internet]. SBSI: XVIII Brazilian Symposium on Information Systems. 2022 ;art. 1 ( 1-8).[citado 2024 jun. 16 ] Available from: https://doi.org/10.1145/3535511.3535512Vancouver
Vieira CPR, Digiampietri LA. Machine learning post-hoc interpretability: a systematic mapping study [Internet]. SBSI: XVIII Brazilian Symposium on Information Systems. 2022 ;art. 1 ( 1-8).[citado 2024 jun. 16 ] Available from: https://doi.org/10.1145/3535511.3535512
