1、Explainable ML
- 不需要完全的了解machine learning的模型
- Goal of ml explanation:让客户,老板和自己舒服
Interpretable vs Powerful
- 一些model是很好被理解的:例如线性模型,权值
- deep network 很难理解,但比linear model更powerful
- 让deep network 变得explainable
Interpretable and powerful model
- decision tree
- 复杂的决策树也很难解释
- 一般都是用forest,更加难解释
2、local explanation
question:why do you think this image is a cat
2.1 Basic idea
如果想了解每一个components对于决策的重要性,那么可以通过移除或修改某些components的values去观察输出结果的变化。如果有很大的decision change,即代表移除/修改的component很重要
2.2 example
如果gray box选太小或太小,那么结果会不准确。
对于每个分类的概率分布 y k y^k yk,将某一个样本加入一个 δ x \delta x