李宏毅老师-机器学习的可解释性 Part1

最新推荐文章于 2024-08-28 23:34:13 发布
最新推荐文章于 2024-08-28 23:34:13 发布
阅读量252 收藏
点赞数
文章标签： 自然语言处理 深度学习 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46675905/article/details/124792740
版权

慢慢来，会更好！
大家好，我是一个想研究又不会研究的研究生
陪伴大家一起学习成长！

我们除了要知道答案之外，还要让机器给我们一个答案的理由，
这就是Explainable machine

在这里插入图片描述

那为什么我们需要Explainable ML呢？

神马：当旁边有人围观的时候，它就能根据身边人的反应，通过剁马蹄来计算数学问题
而当没有人围观的时候，它就计算不出来

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

最低0.47元/天 解锁文章
想研究又不会研究的研究生
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
李宏毅2020机器学习课程笔记（三）- CNN、半监督学习、RNN
⚡
08-13 5099
包含李宏毅机器学习视频P17-P23的课程梗概
[机器学习入门] 李宏毅机器学习笔记-19 （Deep Generative Model-part 2：深度生成模型-part 2）
Holeung blog
06-25 1902
[机器学习入门] 李宏毅机器学习笔记-19 （Deep Generative Model-part 2：深度生成模型-part 2） PDF VIDEOWhy VAE? 用VAE，从code space上去sample一个code，能得到一个比较好的image，而auto encoder可能得不到。 将code加上了noise，而variance决定了noise的大小，variance是
【机器学习】李宏毅——Explainable ML(可解释性的机器学习)
FavoriteStar的博客
09-21 1245
本文介绍了Explainable ML(可解释性的机器学习)的相关内容，抱愧这项技术的相关概述、当前发展等等。
李宏毅机器学习笔记——13. Explainable ML（可解释的机器学习）
weixin_44790306的博客
07-13 1254
摘要： 文章目录1. Explainable machine learning的分类2. Why we need Explainable ML?个人观点可解释性和能力的对比3. Local Explanation4. Global Explanation5. 总结与展望 1. Explainable machine learning的分类 机器不仅要告诉我们结果是什么，而且告诉我们判断理由是什么？ Explainable machine learning分为两种： 1.local explanatio
李宏毅机器学习笔记第16周_机器学习的可解释性（Explainable ML）
peaunt1的博客
07-25 554
Explainable ML
李宏毅机器学习笔记(十八)——可解释性机器学习
Unique13的博客
08-31 2202
文章目录一.可解释的概念和意义二.局部可解释性1.移除组成要素2.改变组成要素3.局限性三.全局可解释性1.反向寻找理想输入2.输入正则化   前言：老师的课程中强调了课上举的例子都与图像相关，其实其他领域也是同理的。 一.可解释的概念和意义   所谓的可解释性其实也分为两种，一种是局部可解释性，一般指的是机器说明如何判断这个样例(例如分类问题中，机器如何将一张猫的图片分成猫)；另一种是全局可解释性，一般指的是机器如何对总体进行特征判断(例如分类问题中，机器认为猫长什么样子)   为什么我们需要这种可解释性
机器学习笔记4_浅谈机器学习原理(宝可梦、数码宝贝分类器)
爱技术的小白
03-19 906
本文是李宏毅机器学习的笔记，这是第四节，通过宝可梦、数码宝贝分类器简单的介绍了机器学习的原理。 文章目录1. 宝可梦、数码宝贝分类器流程2. 训练细节 1. 宝可梦、数码宝贝分类器流程 由于宝可梦和数码宝贝画风不同，数码宝贝的画风更为复杂，所以使用线条数量h来简单的定义一个函数 然后定义损失函数 2. 训练细节 然后我们进行训练，但是训练的时候会有一个问题，就是用于训练的数据不是所有的数据，只是部分数据，所以我们希望理想和现实尽可能的相近。 我们希望理想和现实尽可能的相近，那么只要对于任意的h，有∣L
李宏毅机器学习part13
Rachale_的博客
07-18 329
本篇文章主要基于以下资料： 开源文档：https://datawhalechina.github.io/leeml-notes 视频地址：https://www.bilibili.com/video/BV1Ht411g7Ef **1. 深度学习的发展历程** - 1958：perceptron 感知机（linear model） 有人实现了分辨卡车还是坦克，但实际是因为卡车和坦克在不同日子拍摄，感知机根据亮度来判断，并不是根据卡车和坦克的特征来区分。 - 1980 multi-layer perce..
李宏毅机器学习-explainable machine learning（机器学习的可解释性）及代码
iwill323的博客
10-30 868
explainable machine learning（机器学习的可解释性） Local Explanation Global Explanation
李宏毅机器学习作业10——Adversarial Attack，FGSM，IFGSM
iwill323的博客
11-25 4584
李宏毅机器学习作业10——Adversarial Attack FGSM I-FGSM MI-FGSM Diverse Input (DIM)
机器学习的学习经验总结！
Datawhale
05-31 781
↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：王茂霖，华中科技大学，Datawhale成员本文分享了机器学习...
可解释机器学习（Explainable/ Interpretable Machine Learning）的原理和应用（李宏毅视频课笔记）
双鸭山•克里菲斯•北方孤星之堕
08-02 4013
文章目录0 前言1 Introduction of Explainable/ Interpretable ML1.1 Why we need Explainable ML?1.2 Interpretable v.s. Powerful2 Local Explanation2.1 Introduction of Local Explanation2.1 Removing Way2.2 Modifying Way2.3 Limitation of Gradient based Approaches2.4 At
【深度学习】02-06-谈谈机器学习的原理（选修）-李宏毅老师21&22深度学习课程笔记
星辰不问
06-15 286
【深度学习】02-05-谈谈机器学习的原理（选修）-李宏毅老师21&22深度学习课程笔记
【提示学习论文】CoCoLe：Conceptual Codebook Learning for Vision-Language Models
最新发布
weixin_51293984的博客
08-28 245
对CPL的改进
【Python机器学习】NLP词中的数学——向量化
weixin_39407597的博客
08-28 622
我们将文本转换为基本的数值，虽然只是把它们存储在字典中。我们不使用频率字典来描述文档，而是构建词频向量。
【Python机器学习】NLP分词——利用分词器构建词汇表（一）
weixin_39407597的博客
08-23 1013
在NLP中，分词（也称切词）是一种特殊的文档切分过程。
【Python机器学习】NLP分词——利用分词器构建词汇表（六）——词汇表归一化
weixin_39407597的博客
08-26 844
词汇表大小对NLP流水线的性能有很大的影响，有一种减少词汇表大小的方法是将词汇表归一化以便意义相似的词条归并成单个归一化的形式。这样做一方面可以减少需要再词汇表中保留的词条数，另一方面也会提高语料库中意义相似但是拼写不同的词条或者n-gram之间的语义关联。
轻量级冠军：NVIDIA 发布具有领先准确率的小语言模型
sdfghkhsab的博客
08-27 564
驱动的工作站上运行，但却在针对 AI 驱动的聊天机器人、虚拟助手、内容生成器和教育工具的多项基准测试中取得了出色的成绩。由于原始 Mistral-NeMo-Minitron 8B 模型以最先进的准确性为基准，因此使用 AI Foundry 缩小后的版本仍能为用户提供高度的准确性，只需要极少的训练数据和计算基础设施。这种技术意味着只需要原始数据集的一小部分，来训练相关模型系列中的每个附加模型，与从头开始训练较小的模型相比，在剪枝和蒸馏较大模型时最多可将计算成本降为原本的四十分之一。它包括流行的基础模型、
李宏毅-2023春机器学习
08-10
1. 自动化机器学习 (AutoML) 的发展：自动化工具会帮助非专业用户更轻松地构建和优化模型，而无需深入理解复杂的算法细节。 2. 强化学习的进步：强化学习在游戏、机器人控制和自适应系统中有重要应用，今年可能会...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值