# 4️⃣ Các kỹ thuật XAI phổ biến (overview, không đi sâu)
### 1. Nhóm 1 – Feature Importance (mức tổng quát)
**Giải thích:**
* Feature nào **quan trọng hơn** trong dự đoán
**Trả lời câu hỏi:**
> “Yếu tố nào ảnh hưởng nhiều nhất?”
**Đặc điểm:**
* Thường dùng cho **global explanation**
* Phù hợp dữ liệu tabular
**Ưu điểm:**
* Dễ hiểu
* Trực quan
**Hạn chế:**
* Không giải thích **từng ca cụ thể**
* Không cho biết **hướng ảnh hưởng chi tiết**
***
### 2. Nhóm 2 – Local Explanation (theo từng dự đoán)
**Giải thích:**
* Vì sao **mẫu này** ra kết quả này
**Trả lời câu hỏi:**
> “Trường hợp A vì sao bị dự đoán như vậy?”
**Đặc điểm:**
* Áp dụng cho **1 mẫu tại một thời điểm**
* Thường là **model-agnostic** (không phụ thuộc mô hình)
**Ưu điểm:**
* Rất phù hợp y khoa, quyết định cá nhân
**Hạn chế:**
* Không phản ánh toàn bộ mô hình
***
### 3. Nhóm 3 – Gradient / Sensitivity-based
**Giải thích:**
* Dựa vào độ nhạy của output khi input thay đổi
**Trả lời câu hỏi:**
> “Thay đổi input này thì output đổi bao nhiêu?”
**Đặc điểm:**
* Thường dùng cho **Deep Learning**
* Phổ biến trong:
* Ảnh
* Chuỗi
* Protein
**Ưu điểm:**
* Gắn trực tiếp với mạng neural
**Hạn chế:**
* Dễ nhiễu
* Khó hiểu với người không kỹ thuật
***
### 4. Nhóm 4 – Saliency / Attention-based (trực quan)
**Giải thích:**
* Vùng nào / phần nào **được mô hình chú ý**
**Trả lời câu hỏi:**
> “Mô hình đang nhìn vào đâu?”
**Đặc điểm:**
* Rất trực quan
* Hay dùng cho:
* Ảnh (heatmap)
* Text (highlight)
* Protein (residue importance)
**Ưu điểm:**
* Dễ trình bày
* Rất hợp báo cáo, paper
**Hạn chế:**
* Có thể gây **hiểu lầm nếu diễn giải quá mức**
***
### 5. Nhóm 5 – Surrogate / Approximation Models
**Giải thích:**
* Dùng mô hình **đơn giản hơn** để xấp xỉ hành vi mô hình phức tạp
**Trả lời câu hỏi:**
> “Nếu đơn giản hóa, mô hình đang quyết định ra sao?”
**Đặc điểm:**
* Thường dùng cho **global explanation**
* Không can thiệp mô hình gốc
**Ưu điểm:**
* Dễ hiểu
* So sánh tốt
**Hạn chế:**
* Chỉ là **xấp xỉ**, không phải sự thật tuyệt đối
***
### 6. Tóm tắt nhanh (bản đồ XAI)
```
Global explanation
├─ Feature importance
└─ Surrogate models
Local explanation
├─ Local feature attribution
├─ Gradient-based
└─ Saliency / Attention
```
***
### 7. Hiểu đúng để dùng đúng
* ❌ Không có kỹ thuật XAI “tốt nhất”
* ✔️ Chỉ có kỹ thuật **phù hợp câu hỏi**
| Câu hỏi | Nhóm XAI phù hợp |
| ----------------------- | ------------------ |
| Vì sao ca này? | Local |
| Mô hình học gì? | Global |
| Ảnh nhìn vào đâu? | Saliency |
| Feature nào quan trọng? | Feature importance |
---
# Agent Instructions: Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter:
```
GET https://deeplearningcoban.gitbook.io/deeplearningcoban.com/explainable-ai-xai/cac-ky-thuat-xai-pho-bien-overview-khong-di-sau.md?ask=
```
The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.