1
$ \ $请将BeginGroup

什么是“可解释的机器学习模型”,其实是什么意思?

此页解释毫升书这篇文章分析Vidhya,这意味着要知道发生了什么事的ML模型内部以结果/预测/得出结论。

线性回归,新的数据将与重量相乘和偏置将被添加到做出预测。

而在推进树模型,有可能绘制所有的决定树木的结果中的预测。

和前馈神经网络,我们将有重量和偏见就像线性回归,我们只是乘的权重,并在每一层添加偏压,使用某种类型的激活函数中的每一层的限制值在一定程度上,在预测最后到达。

在细胞神经网络,可以看到通过CNN块已经经过后的情况和后池(参考文献提取哪些功能:请问一个CNN看到了什么?)。

就像我上面所述,人们可以很容易知道的ML模型里面发生了什么做出的预测或结论。那么,是什么让一个算法或它的结果未解释或为什么这些所谓的黑盒子模型?还是我失去了一些东西?

| 改善这个问题 | |
$ \ $端基

    你的答案

    点击“发表你的答案”,你同意我们的服务条款隐私政策Cookie政策

    浏览其他问题标签必威英雄联盟要么必威电竞问你自己的问题