В этой статье мы рассмотрим некоторые из самых популярных методов интерпретации моделей машинного обучения. Эти методы не зависят от модели. Но я могу сказать, что большинство этих методов также в значительной степени полагаются на интерпретируемые алгоритмы, такие как регрессия, древовидная модель или вероятностная модель. На эту статью сильно повлияло Интерпретируемое машинное обучение Кристофа Молнара. Методы локальной интерпретации в основном представляют собой индивидуальные..

Как рассчитать важность функций на основе модели анализа охвата данных В этой статье актуализируется одна из моих реализаций того, как сравниваются оптимизация и наука о данных. При проведении некоторых исследований в области науки о данных при обработке отправки форм я наткнулся на модель CCR для DEA (Data Envelopment Analysis). Представленные формы, которые я смоделировал, имеют различные входные и выходные размеры и могут быть произвольными, чтобы поведение порядковых параметров..

После построения модели машинного обучения есть два основных вопроса, на которые специалисты по обработке данных должны ответить. Какова общая логика модели при принятии решений? Согласуется ли логика со знанием предметной области, чтобы мы могли уверенно развернуть модель? Чтобы ответить на эти вопросы, специалисты по обработке данных не только должны понимать поведение модели в целом, но также должны представить логику модели экспертам в предметной области, чтобы увидеть, как модель..