机构名称：
¥ 2.0
近年来抽象的可解释的机器学习（IML）迅速发展，提供了新的机会来提高我们对复杂地球系统的理解。iml不仅要进行预测，而且还试图阐明这些预测背后的推理，这超出了传统的机器学习。预测能力和增强透明度的结合使IML成为发现数据中可能被传统分析忽视的数据的有前途的方法。尽管具有潜力，但对该领域的广泛含义尚未得到充分的理解。同时，IML的快速扩散仍处于早期阶段，并伴随着粗心的应用实例。应对这些挑战，本文重点介绍了IML如何有效，适当地帮助地球科学家推进过程的理解 - 这些问题通常在对IML的更多技术讨论中经常被忽视。具体来说，我们在典型的地球科学研究中确定了IML的务实应用方案，例如在特定环境中量化关系，生成有关潜在机制的假设以及评估基于过程的模型。此外，我们提出了使用IML解决特定研究问题的一般和实用的工作流程。特别是，我们确定了使用IML的几个关键和常见的陷阱，这可能会导致误导性结论，并提出相应的良好实践。我们的目标是促进IML在地球科学研究中的更广泛，更谨慎和周到的整合，将其定位为一种有价值的数据科学工具，能够增强我们当前对地球系统的理解。
可解释的机器学习如何使地球科学中的过程理解受益
主要关键词
相关文件推荐
