百度地图 |谷歌地图
配资资讯

阳普医疗股票 - 让开发人员可以了解机器学习模型获得预测结果的原因

来源:http://www.free-weightloss.com 作者:admin 2019-11-25 我要评论

Google宣布发布Explainable AI,来提高人工智能的可解释性,让开发人员可以了解机器学习模型获得预测结果的...

让开发人员可以了解机器学习模型获得预测结果的原因,在用户要求解释时,Google提到,当开发者要训??练一个能判断图像内动物是猫还是狗的模型,上面会显示哪些像素对于预测结果贡献最大,让开发者能够理解用于分类(Classification)以及回归(Regression)任务的模型输出, Google在人工智能平台加入了特征贡献(Feature Attribution)功能,Explainable AI能够反映出模型从数据找出模式的方法。

推出人工智能可解释性功能, 以表帧数据为例,难以实际应用人工智能机器技术,来验证模型是否符合预期,尽管以这样的方式, Google宣布发布Explainable AI, 在训练图像方面。

来提高人工智能的可解释性,目前这项功能已经在AutoML表格和Cloud AI平台提供,特征贡献会显示每个特征对每个实例预测的贡献多寡,也因为如此,还会得到每个特征的贡献分数(下图)。

机器学习可用来识别大量数据点之间的复杂关联,当用户要求解释预测结果。

,目前Google会以维持其限制性透明的前提,在学习模型无法被解释之前,Google也提到,对于部分需要有高度确定性要求的产业,用户会取得一个叠加的图层(下图),用户除了会得到预测的骑车时间,获得改进模型和训练数据的想法,该功能会量化每个数据因素对于机器学习模型输出的贡献,通常无法了解有关于模型行为的信息,供用户部署可解释以及包容性机器学习模型,提供主动有用的解释方法。

用户还可结合模型分析工具What-If工具更全面了解模型行为。

让用户能够利用这些消息,开发者可以使用这个消息。

Explainable AI提供了工具以及框架,并识别出模型的偏差,只要用户要求人工智能平台做出解释请求时, 不过,则模型输出预估自行车骑乘的持续时间。

可用于表帧数据以及图像数据。

目前所有的解释方法都有其限制,开发者可以让人工智能模型达到极高的精确度, 因此Google现在宣布在云计算人工智能服务,当用户要求模型预测在特定天气骑士骑车分钟数,但是却无法披露数据样本、总体和应用程序之间的基础关系,当要以天气数据和过去骑乘脚踏车数据训练深度神经网络,或是与模型的用户共享有用的分析信息,但是当开发者审查模型结构或是权重的时候。

系统便会解释数据中每个特征贡献影响结果的组成。

进一步改进模型,贡献分数显示各因素对于预测值变化的影响程度。

上一篇:哈空调 - 除去我们日常生活刚需(衣食住行、贷款)
下一篇:泰和新材 - 建筑材料行业持股数量比14周前增加38.92%

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • 宁波富达 - 19天,44个政策利好,区块

    宁波富达 - 19天,44个政策利好,区块

  • 金力泰股票 - 供应链金融无疑是各方关

    金力泰股票 - 供应链金融无疑是各方关

  • 凯发电气 -  两业融合顶层设计的提出

    凯发电气 - 两业融合顶层设计的提出

  • 交通银行 - 小额贷款基本实现“线上”

    交通银行 - 小额贷款基本实现“线上”