我们提出了 cattleia—— 一个用于解读回归、多分类和二分类任务的集成模型的应用，通过评估度量、多样性和补充性度量以及可解释性人工智能技术，我们可以调整集成模型的权重和组件模型以满足特定需求，并通过交互式可视化来提供这些方面，从而支持决策和深化对自动机器学习框架的理解。
该论文介绍了一个整合automl、xai和合成数据生成的系统，提供了优良的用户体验设计。论文介绍了两种新型分类器，逻辑回归森林和支持向量树，提高了模型性能。通过实验，论文证明了该系统在糖尿病数据集和调查数据集上的准确率分别为96%和93%。此外，论文还介绍了基于模型的局部解释器medley，并评估了其与其他方法的比较。论文还研究了合成数据生成的方法，发现通过gan增强原始数据集是最佳方法，并通过实验证明了其可靠性。作者还发现gan在定量数据集上表现最好。
