算法的可解释性
本文参考南洋理工大学李宏毅教授对数据可解释性的看法。
Model Explaination
1. 为什么要解释算法
在某些场景,我们在使用一些机器学习模型处理数据以得到结果时,往往也会寻求一个解释,也就是数据的结果是从何而来的。
举个例子,医生在使用医疗诊断的模型获得诊断结果时。医生或是病人不可能仅仅依靠得到的结果就决定病情。重要的是,通过结果得到的过程,也就是结果的解释最终确定结果是可以被认可的。
除此之外,还有一个原因:也就是利用算法的解释以提升其在实际场景的表现。
2. Powerful or Interpretable ?
-
我们知道,有些模型是有很强的可解释性的,比如线性模型、决策树等等。但是它们都有一个问题,不够powerful;
-
但是,对于一些比较powerful的模型,比如深度学习的一些网络。但问题是,它的内核是个黑盒子。
那我们是不是为了可解释醒就放弃这些有黑盒子的模型了呢?