后置全局可解释

机器学习模型从大量训练数据中自动地学习有用模式，并将学到的知识保存到模型结构和参数中。后置全局可解释旨在为预先训练的模型所获得的知识提供全局解释，并以直观的方式对模型参数或学习得到的表示进行说明。我们将现有的模型分为传统机器学习和深度学习两类，这样分类是因为我们能够从每个类别中提取一些类似的解释范例。

继续阅读：解释   全局   机器

此文由 怡心湖 编辑，若您觉得有益，欢迎分享转发！：首页 > 常识论 » 可解释机器学习技术之后置全局可解释详解