用于发现的可解释机器学习：统计的挑战和机遇

文章预览

在许多科学领域和行业，新技术催生了大量庞大和复杂的数据集。人们通常使用机器学习技术，不仅可以对这些大数据进行处理、可视化，从而进行预测，还可以做出数据驱动的发现。这些发现通常是通过可解释的机器学习，或能够产生人类可理解见解的机器学习模型和技术实现的。 今天我们为大家介绍的是Genevera I. Allen，Luqin Gan，Lili Zheng的文章《Interpretable Machine Learning for Discovery: Statistical Challenges and Opportunities》。感兴趣的同学可点击查看原文以进行更为深入和全面的了解。 摘要 文章讨论和回顾了可解释机器学习领域，概述了在有监督和无监督环境中使用可解释机器学习所能获得的发现类型。此外，文章还关注了如何用数据驱动的方式验证发现这一重大挑战，以提高对机器学习系统的信任度和科学的可重复性。文章对于验证问题的讨论，既从 ………………………………