虽然机器学习是一门涉及复杂模型的复杂科学，但透明机器学习的独特之处在于它可以自我解释——它的工作原理、它的预测、它的见解——以便用户理解并信任结果。在本文中，我将解释什么是透明机器学习以及实施它的注意事项。
什么是透明机器学习？
企业拥有大量数据，机器学习使用这些数据有两个重要目的：
对统计模型进行监督训练以进行预测，从而实 克罗地亚电话号码数据 现流程自动化并为企业创造一致性
从数据中提取情报
数据中隐藏着有关您业务动态的重要情报。这些情报（有些众所周知，有些令人惊讶）对您的组织及其遵循的规则具有相当大的价值。
前一个目的允许您进行假设实验来微调和优化您的业务；后者暴露瓶颈，如果未被发现，可能会代价高昂。
考虑到这一点，让我们来研究一下透明机器学习的三种体现方式：
可解释的人工智能 解释了机器学习模型预测背后的原因。原因以各种预测因子的规则来表达，以使其可行。例如，在医疗保健领域，该模型可以预测，即使您服用了药物，您今天的收缩压也会很高，因为您在工作中压力很大，锻炼时间不到 20 分钟，并且没有进行晚间散步。
增强智能 从整个数据集中提取情报（有关业务的见解），有助于改善决策。例如在教育领域， 增强智能 可能会分析一个学习平台的数据转储，发现在进行开卷考试的冗长课程中，使用移动平台的学生体验往往比使用桌面平台的学生更差。
数据处理的可追溯性 会根据数据情况，解释每个步骤的处理方式以及选择特定方式的原因，以便您可以放心地处理结果或覆盖它们。例如，当平台进行特征工程时，它可能会列出足够重要的预测因子，以符合建模条件。
透明度的关键主题是企业中值得信赖的人机协作。