可解释的机器学习-XAI – eXplainable Artificial Intelligence

Part1：可解释的机器学习-XAI – eXplainable Artificial Intelligence

[DALEX]。它为预测模型的不同方面提供了大量的可视化解释。在构建机器学习时候非常有用。目前还没有过多应用于医学领域；在这篇文章中，我们将在R中实现可解释人工智能的算法。在这里可以找到对全局和局部模型评估方法的介绍。

image.png

本文主要介绍：

1. 为什么要使用XAI
2. 代码实现

1.为什么要使用XAI

目前，人工智能算法非常流行，通过快速调用机器学习包，完成模型预测目的，这些复杂的算法，也称之为黑盒模型。由于机器学习算法的灵活性与复杂性，它们通常可发现变量之间的复杂关系，学习出特定规律，让预测变得更加准确。因此，在达到精确预测的同时，机器学习模型也损失了对现实的课解释性。

当我们选择复杂而又有弹性的模型时，往往需要了解模型中哪些变量做了决策，目前已有人正在开发相关算法和工具来我们