选择可解释性高的机器学习模型，而不是决策风险高的黑匣子模型( 十 )_作者|AdrianColyer,VenturePartner,Acc

\r\n这听起来是一个值得实现的目标，但用措辞来说，很难证明不存在可解释的模型。因此，也许必须要求公司能够提供证据，证明他们已经在努力的情况下搜索了可解释的模型……\r\n考虑第二个建议，该建议比上面提供的建议要弱，但可能会产生类似的效果。让我们考虑是否有可能要求引入黑匣子模型的组织报告可解释的建模方法的准确性。 \r\n如果遵循此过程，那么如果作者的经验可以满足，我们很可能会看到大量部署的黑匣子机器学习模型：\r\n在某些应用程序域中，可能需要一个完整的黑匣子来进行高风险决策。到目前为止，尽管我已经在医疗保健和刑事司法，能源可靠性和财务风险评估方面进行了许多应用程序开发，但我还没有遇到过这样的应用程序。 \r\n