Explainable AI Framework Using XGBoost With SHAP and LIME for Multi-Scale Household Energy Forecasting

Forecasting energy consumption is critical for maximizing resource utilization, lowering operational costs, and increasing sustainability. Traditional machine learning models often function as black boxes, which complicates the understanding of decision-making processes. This research utilizes Expla...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	B. Devanathan, K. Jnana Varshitha, L. Pavan Kumar, S. A. Lakshmanan, N. Krishna Prakash
Format:	Artigo
Język:	Inglês
Wydane:	IEEE 2025-01-01
Seria:	IEEE Access
Hasła przedmiotowe:	Household energy consumption forecasting explainable AI XGBoost Holt-Winters exponential smoothing SHAP LIME
Dostęp online:	https://ieeexplore.ieee.org/document/11141411/
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!