要强大的“黑匣子”,还是“可解释”的机器学习?| 清华AI Time激辩

  1. 云栖社区>
  2. 数据派THU>
  3. 博客>
  4. 正文

要强大的“黑匣子”,还是“可解释”的机器学习?| 清华AI Time激辩

初商 2019-08-26 23:05:44 浏览334
展开阅读全文

来源:大数据文摘

文章来源:微信公众号 数据派THU


要不要用准确性换可解释性?这可能是许多资源有限的创业公司,在技术研发中面临的重要问题,同时也是机器学习可解释性研究中的重要议题。

把场景具体化,让我们先来看这样一道选择题。

如果你是一个投资公司老板,针对电话诈骗检测,现在有一个可信度85%,但无法解释的“黑盒”模型,和一个可信度75%,但可解释的机器学习模型摆在你面前,你会选择哪一个?

6月19日下午,AItime第二期以《论道自动机器学习与可解释机器学习》为主题,邀请到美国伊利诺伊大学芝加哥分校(UIC)特聘教授Philip Yu(俞士纶)、美国密歇根大学梅俏竹教授、北京大学的王立威教授和百度高级研究员李兴建进行了一次对谈。

这次的对谈就从这个问题开始。

但最初的最初,让我们先来理清这两个概念:自动机器学习与可解释机器学习。

理清概念

机器学

网友评论

登录后评论
0/500
评论
初商
+ 关注
所属云栖号: 数据派THU