Интегральный градиент представляет собой метод атрибуции в области глубокого обучения, который позволяет выявить вклад каждого входного признака в конечный результат модели. Этот метод отличается от базовых подходов анализа чувствительности тем, что учитывает нелинейные связи в модели. Интегральный градиент предоставляет более точные оценки важности признаков, интегрируя градиенты по прямому пути от базовой точки к входным данным. Он соответствует ключевым аксиомам атрибуции, таким как полнота, где сумма атрибуций равна разнице в выходных значениях, и симметричность по отношению к входным признакам.