1
http://bindog.github.io/blog/2018/02/10/model-explanation/
http://www.sohu.com/a/216216094_473283
https://jacobgil.github.io/deeplearning/class-activation-maps
https://github.com/keras-team/keras/issues/8447
Grad-CAM 生成热力图
LIME 其实就是遮挡
t分布随机邻域嵌入（t-SNE） https://blog.csdn.net/lzl1663515011/article/details/46328337
2. 合成少数类过采样技术（SMOTE）：
SMOTE涉及对少数类进行过采样（over sampling），并对大多数类进行欠采样（under sampling）以获得最佳结果。
对少数（异常）类进行过采样和对大多数（正常）类进行欠采样的方法的组合，相比仅仅对大多数类进行欠采样可以得到更好的分类器性能（在ROC空间中）。