Um die Vorhersagen von Machine Learning Modellen greifbar zu machen, existieren eine Vielzahl verschiedener Techniken wie zum Beispiel Partial Dependence Plots (PDP) [1], Feature Visualisierung durch Optimierung [2] oder das Erzeugen von Surrogat Modellen, z.B. LIME [3].

In dieser Arbeit sollen einige derartige Techniken ausgewählt, untersucht und verglichen werden.

Dabei soll der Fokus auf Bildklassifikation (image classification) und dafür verwendete ML-Techniken wie logistic regression, support vector machines (SVM) und insbesondere auch convolutional neural networks (CNN) gerichtet werden.