Explainable machine learning 可解释的机器学习
摘要:
这节课学习可解释的机器学习,机器学习之所以需要解释,主要是为了使用者的需求,而不是为了完全理解model是如何工作的。
首先将Explainable machine learning分成两类:Local Explainable和Global Explainable。
Local Explainable可以通过遮挡法和梯度计算,画显著图的方法实现。
Global Explainable是通过cnn那节课讲的机器眼中的数字样子进行分析。
之后学习了用线性模型局部模拟,去解释另一个模型的做法,运用lime,以及lime的实际操作
最后学习了在保证决策树模型尽可能简单的前提下,让决策树模型去解释另一个模型的设计思路。
目录