如何提高深度学习模型的可解释性?极致的数据透出与多维可视化实战详解

初商 2019-08-14

阿里机器智能

小叽导读:深度网络对机器学习研究和应用领域产生了巨大的影响,与此同时却无法很清晰地解释神经网络的来龙去脉。迄今为止,深度学习不够透明,神经网络整体看来仍然是一个黑箱。因此,人们一直致力于更透彻地去理解其中复杂的过程,从而达到进一步优化的目的。由于人类对于世界的认知和感受主要来自于视觉,良好的可视化可以有效地帮助人们理解深度网络,并进行有效的优化和调节。

一. 背景

image.png

(图片引自 2018 AI predictions:8 insights to shape business strategy)

尽管业界对于图像和NLP领域,在可视化和可解释性等方向上已经取得了一些进展,但对于计算广告领域,目前还是空白,可以借鉴的平台或工具很少。而可视化的前提,是需要先对训练模型进行相关数据透出,从而进行可视化分析评估,最终使得神经网络从黑盒向白盒过渡,在

登录 后评论
下一篇
corcosa
12369人浏览
2019-10-08
相关推荐
最详细的大数据学习路线图
1213人浏览
2019-04-13 14:51:15
0
0
0
485