机构名称：
¥ 2.0
在本文中，我强调了一个问题，该问题在机器学习方法的科学应用中已变得无处不在，并且可能导致对所研究现象的严重扭曲的推论。我称其为预测解释谬误。当研究人员使用预测优化模型来解释目的而无需考虑解释和预测之间的权衡时，就会发生谬误。这是一个问题，至少有两个原因。首先，为了防止过度拟合，预测优化的模型通常是故意偏见和不现实的，因此无法准确解释感兴趣的现象。在其他情况下，它们具有极其复杂的结构，难以解释，这极大地限制了它们的解释价值。第二，在相同或相似数据上训练的不同预测模型可能会以不同的方式偏差，因此多个模型可以很好地预测，但暗示了对基本现象的矛盾解释。在这里，我以非技术方式介绍了预测和解释之间的权衡，从神经科学中提出了一些说明性的例子，最后讨论了一些可缓解的因素和方法，这些因素和方法可用于限制或解决问题。
预测解释谬误：机器学习的科学应用中的普遍问题
主要关键词
相关文件推荐
