選擇可解釋性高的機器學習模型，而不是決策風險高的黑匣子模型

作者 | Adrian Colyer, Venture Partner, Accel 編譯 | CDA數據分析師 本文是技術和哲學論點的混合，本文的兩個主要結論：第一，我對可解釋性高的機器學習模型和決策風險高的黑匣子模型之間區別的理解，以及爲什麼前者可能有問題；其次，它是創建真實可解釋模型的技術的重要參考。 在醫療和刑事司法領域，越來越多的趨勢將機器學習（ML）運用於對人類生活產生深遠影響的高風險

>>阅读原文<<