摘要: 在这一部分中我们所要展现的技术,可以为非线性、非单调的响应函数生成解释。我们可以把它们与前两部分提到的技巧结合起来,增加所有种类模型的可解释性。实践者很可能需要使用下列增强解释性技巧中的一种以上,为他们手中最复杂的模型生成令人满意的解释性描述。 代理模型 图14. 为了解释复杂神经网络而使用代理模型 阅读全文
posted @ 2018-07-23 21:08 FlyingWarrior 阅读(6002) 评论(0) 推荐(0) 编辑
摘要: 对于在受监管行业中工作的分析师和数据科学家来说,尽管机器学习可能会带来『能极大提高预测精度』这一好处,然而它可能不足以弥补内部文档需求以及外部监管责任所带来的成本。对于实践者而言,传统线性模型技术可能是预测模型中的唯一选择。然而,创新和竞争的驱动力并不因为你在一个受监管的模式下工作就会止息。在银行, 阅读全文
posted @ 2018-07-23 21:07 FlyingWarrior 阅读(2597) 评论(0) 推荐(0) 编辑
摘要: 本系列文章转载自关于如何解释机器学习的一些方法。本篇主要介绍了几种可视化数据及模型结果的方法。 到现在你可能听说过种种奇闻轶事,比如机器学习算法通过利用大数据能够预测某位慈善家是否会捐款给基金会啦,预测一个在新生儿重症病房的婴儿是否会罹患败血症啦,或者预测一位消费者是否会点击一个广告啦,等等。甚至于 阅读全文
posted @ 2018-07-23 21:06 FlyingWarrior 阅读(4423) 评论(0) 推荐(0) 编辑
摘要: 本篇文章转载于LIME:一种解释机器学习模型的方法 该文章介绍了一种模型对单个样本解释分类结果的方法,区别于对整体测试样本的评价指标准确率、召回率等,Lime为具体某个样本的分类结果做出解释,直观地表明该模型为何做出如此预测。 动机:我们为什么要理解预测结果? 机器学习如今是非常火的一个话题。随着计 阅读全文
posted @ 2018-07-23 21:05 FlyingWarrior 阅读(4085) 评论(0) 推荐(0) 编辑