深度学习（机器学习）的下一步如何发展？

Question

深度学习（机器学习）的下一步如何发展？

目前机器学习很火，但我对机器学习方向的前景有些困惑。机器学习、计算机视觉下一步的创新点在哪里？随着硬件的迭代，神经网络的隐藏层可以越做越多，CNN、…

关注者

7,890

被浏览

697,639

登录后你可以

不限量看优质回答私信答主深度交流精彩内容一键收藏

查看全部 128 个回答

本书讲解了当前可解释机器学习方法中存在的局限性。这些方法包括partial dependence plots（PDP）、累积局部效应（Accumulated Local Effects，ALE）、排列特征重要性、leave-one-covariate out（LOCO）和局部可解释模型不可知解释（LIME）。所有这些方法都可以用来解释经过训练的机器学习模型表现，或预测机器学习模型表现。但是在以下情况下，这些解释方法可能不太有效:

如果模型对交互进行建模(例如，当使用随机森林时)

如果特征彼此紧密相关

如果模型不能正确地模拟因果关系

如果解释方法的参数设置不正确

针对以上这些情况，本书进行了详细深入的分析并给出了一些解决办法。

本书最新版下载地址：机器学习新书-《可解释机器学习局限性》最新版下载

本书目录