随着深度学习方法多年来取得了巨大的成功,对这些模型的理解还没有跟上模型的发展。可解释机器学习是致力于理解复杂机器学习模型的主要研究领域之一。虽然提出解释的例子越来越多,但对解释的评估一直是一个悬而未决的问题。在解释的开发阶段,涉及人类的评估是昂贵的。为了解决解释设计过程中涉及到人的困难,本文旨在定义客观标准,允许人们在没有人的情况下衡量一些好的属性解释和相对于客观标准可取的设计解释。

论文链接:

https://kilthub.cmu.edu/articles/thesis/Objective_Criteria_for_Explainable_Machine_Learning/21569385

内容中包含的图片若涉及版权问题,请及时与我们联系删除