【XAUTOML】可解释自动机器学习，27页ppt

自动化机器学习支持用户、开发人员和研究人员快速开发新的ML应用程序。然而，AutoML工具的输出并不总是能够很容易地用人类的直觉或专家知识来解释，因此专家有时会对AutoML工具缺乏信任。因此，我们开发了一些方法，提高了AutoML系统的透明度和可解释性，增加了对AutoML工具的信任，并对其他不透明的优化过程产生了有价值的见解。解释AutoML的方法包括:

• 超参数的重要性: 哪些超参数(或其他设计决策)对提高ML系统的性能具有全局重要性?[Hutter等人2014]

  
  

• 自动消融研究: 如果一个AutoML工具从一个给定的配置开始(例如，由用户或ML算法的原始开发人员定义)，与AutoML工具返回的配置相比，哪些更改是重要的，以实现观察到的性能改进?[Biedenkapp等人2017]

  
  

• 超参数效果的可视化: 我们如何可视化更改超参数设置的效果，无论是局部的还是全局的?[Hutter等人2014,Biedenkapp等人2018]

  
  

• 采样过程的可视化: 在配置空间的哪些区域有一个AutoML工具在什么时候采样，为什么采样?我们在那儿能看到哪场演出?[Biedenkapp等人2018]

https://www.automl.org/xautoml/

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“XAUTOML” 就可以获取《【XAUTOML】可解释自动机器学习，27页ppt》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源