Аңдатпа
Бұлмақаладапсихикалықденсаулықкөрсеткіштерінталдаукезіндетүсіндірілетінмашиналықоқыту (Explainable AI) əдістерінқолданудыңмаңыздылығықарастырылады.Зерттеудіңнегізгімақсаты–əртүрлімашиналықоқытуалгоритмдерінің (логистикалықрегрессия, Random Forest, XGBoost жəненейрондықжелілер) дəлдігіменинтерпретацияланғыштығынсалыстыруарқылыклиникалықшешімқабылдаусапасынарттыру. SHAP əдісімодельнəтижелерінтүсіндіружəнемаңыздыбелгілердің (featureimportance) үлесінанықтауүшінқолданылды. Зерттеунəтижелерікүрделімодельдер (мысалы,нейрондықжелілер) жоғарыдəлдіккөрсеткенімен, олардыңтүсіндірімділігітөменекенінкөрсетті. Ал Random Forest жəне XGBoost алгоритмдерідəлдікпентүсіндірілетіндікарасындаоңтайлытепе-теңдіккеиеболды. Бұлəдістердіңкөмегіменпсихиатрларменклиникалықмамандардыңжасандыинтеллекткедегенсеніміартатүсетініанықталды