机构名称：
¥ 2.0
在我们的工作中，我们想强调模型可解释性的重要性。我们不仅将其理解为在输入或算法参数发生变化的情况下预测模型输出将发生什么的能力，而且将其理解为业务领域——将算法参数对建模现象的影响联系起来。我们认为可解释性和可解释性的评估应定义为业务流程的一部分，并集成到组织的过程图中。我们建议对跨行业数据挖掘标准流程 (CRISP DM) 进行适当修改，并将其作为子流程。我们指出了为 AI 提供信任的正式方法，即所谓的事后可解释性方法，并根据经济决策用例对其中一种方法进行了评估。
人工智能在经济决策中的应用
主要关键词
相关文件推荐
