机构名称：
¥ 1.0
摘要。机器学习几乎已成为人工智能 (AI) 的代名词。然而，它面临着许多挑战，其中最重要的挑战之一是可解释的人工智能；也就是说，提供人类可理解的解释，说明机器学习模型产生特定输出的原因。为了应对这一挑战，我们提出了叠加的概念，它使用概念模型来提高可解释性，方法是将对机器学习模型的决策结果很重要的特征映射到应用领域的概念模型。叠加是一种设计方法，用于用人类用来推理现实和生成解释的结构元素补充机器学习模型。为了说明叠加的潜力，我们介绍了该方法并将其应用于客户流失预测问题。
CMAI-2020-可解释人工智能的叠加-...
主要关键词
相关文件推荐
