机构名称：
¥ 1.0
achine学习已被合并为在各种数字服务中进行预测，从搜索引擎到电子商务再到社交媒体平台，从而培养了蓬勃发展的数字经济。在这些情况下，机器学习技术的预测准确性和效率是优化的目标，但是错误预测的潜在风险不太重要。对于诸如预测点击或分类图像之类的应用程序，模型可以经常更新，并且错误不太昂贵。因此，这些应用领域非常适合黑框技术与持续的性能监控相结合。近年来，机器学习已在更广泛的领域中应用，甚至进入医疗保健，工业制造业，融资和司法管理等高风险领域。在这些领域，机器学习算法造成的错误可能会带来巨大的风险，并且错误对诸如安全，道德和正义等社会问题产生了重大影响，尤其是当算法预测在决策过程中起着重要作用时。在这种情况下，环境可能会比模型更新更快，而短期预测性能以外的属性变得越来越重要。特别是，我们认为缺乏稳定性，解释性和公平性保证是当今机器学习中必须解决的最关键和最紧迫的因素。
稳定的学习在因果推理和机器学习之间建立了一些共同的基础
主要关键词
相关文件推荐
