回答情况：
提问时间：
问题标签：
我正在尝试使用APMonitor为模型预测控制构建一个python代码。但是，我不想在第三方在线服务器上获得结果。因此，我想收集预测的有偏和无偏的数据，并自己在Python上绘制它们。
浏览 37提问于2019-09-19得票数 1
1回答
我正在寻找可靠的方法来比较模型的可解释性。简约是一种，但是否有其他方法来判断一个模型是否比另一个更能解释？
例如，涉及自组织可解释性方法的黑匣子模型可能比本质上可解释的模型更复杂。如何将这一解释比作内在可解释的模型更好(从可解释的角度来看)？
浏览 0提问于2023-04-19得票数 1
这个职位试图解释ML模型的可解释性和可解释性之间的区别。然而，这一解释有些不明确。有人能提供一些可解释但不可解释的模型的具体例子吗？
浏览 0提问于2021-08-07得票数 0
回答已采纳
奥鲁克说，可解释的ML使用黑匣子模型，然后再解释它，而可解释的ML使用非黑匣子的模型。维基百科在谈到“可解释的人工智能”时说，它指的是人工智能的方法和技术，这样人类专家就可以理解解决方案的结果。解释人工智能决定的技术挑战有时被称为可解释性问题。
杜世-韦利兹和金说，可解释</em
浏览 0修改于2020-08-24得票数 20
研究线性模型(高斯、指数、卡方、F-分布等)的一致性、效率、鲁棒性、蓝色、无偏性等问题，是一种基于微积分的统计推理理论.构成回归模型。
什么时候神经网络比这些传统的基于回归分析的微积分模型更好？神经网络无偏估计器，是一致的，有效的，等等，平均是正确的答案吗？他们能估计出人口的真实参数吗？
浏览 0修改于2018-12-23得票数 0
回答已采纳
我试图了解测试数据集是否可以用来选择一个经过训练的最终模型。让我们假设这个场景：这是使用测试数据集的正确方式吗？一些混淆来自于测试数据集的internet定义：
用于对最终模型进行无
浏览 0修改于2021-02-08得票数 2
回答已采纳
2回答
在阅读关于模型可解释性和模型问责性的文章时，代孕模型一词不断出现。我知道它是什么，但它似乎不再有意义了：为什么代孕模型有利于可解释性？
浏览 0修改于2020-11-21得票数 3
回答已采纳
可解释的人工智能可以通过本质上可解释的模型来实现，比如logistic和线性回归，或者是像沙普这样的临时解释。
我想对表格数据使用一个本质上可以解释的模型来完成分类任务。是否还有其他具有更高性能的内在可解释模型？
浏览 0修改于2023-02-25得票数 0
回答已采纳
1回答
在阅读Tensorflow关于单词嵌入的教程时，我发现了两个让我感到困惑的注释：注意:通常，需要一个更大的数据集来训练更多可解释的单词嵌入。本教程使用小型IMDb数据集进行演示。非常感谢！
浏览 0修改于2023-02-25得票数 1
回答已采纳
1回答
这应该很容易，但是在R中是否有一个内置函数来得到lm对象的方差协方差模型的无偏估计？我的意思是$\epsilon \epsilon‘/(N 1)$？
浏览 1提问于2016-02-19得票数 2
回答已采纳
4回答
我一直在阅读我们如何将我们的数据分成3部分；通常，我们使用验证集来帮助我们调整参数和测试集，以便对我们的模型的表现有一个无偏的估计，这样我们就可以根据测试集的结果来比较模型。然而，我也读过模型选择应该在调优参数之前完成。我有点糊涂了。哪一个必须先做另一个？验证集是否用于调优？如果是这样的话，我们应该如何在调整参数之前进行模型选择？
浏览 0提问于2018-11-27得票数 10
回答已采纳
我有以下线性模型，我想找到最好的线性无偏估计
x<-c(rep(c(1,0,-1,0),4),rep(c(0,1,0,-1),4),rep(c(1,1,0,0),4), rep(c(2,2,-1,-1)
浏览 2提问于2014-11-05得票数 0
因此，通常对于无偏硬币，在3次翻转中获得2个正面的概率是- 3C2 * 1/2 * 1/2 * 1/2 = 3/8，因为我们知道，概率的公式是可能事件除以所有可能事件；我们可以说这里有8个可能事件。现在抛出一枚无偏硬币，80%的概率得到正面，所以3次抛出2次正面的概率是- 3C2 * 0.8 * 0.8 * 0.2 = 3/7.8125，那么样本空间是7.8125吗？
浏览 2提问于2020-06-21得票数 0
描述梯度增强机器或神经网络等算法的机器学习文本经常评论说这些模型擅长预测，但这是以失去可解释性或可解释性为代价的。相反，单决策树和经典回归模型被标记为善于解释，但与更复杂的模型(如随机森林或支持向量机)相比，预测精度(相对)较差。是否有普遍接受的机器学习模型代表两者之间的良好权衡？
浏览 0提问于2016-05-22得票数 9
回答已采纳
简言之：
测试集-获得对新数据的模型性能的无偏估计。我理解，在许多情况下，您希望对模型性能进行公正的评估，例如，发布论文或向客户报告结果。但是，在我的情况下，我不关心获得一个对新数据的模型性能的公正估计。我只想找到最好的模型并使用它。除了对模型性能的不偏不倚的评估外，还有什么其他的理由来包括测试集？对我来说，使用训练和验证是有意义的吗？
浏览 0提问于2018-03-07得票数 1
是否可以使用SageMaker澄清偏倚和可解释性分析与进口模型，如TensorFlow模型?考虑到张量流模型是从其他地方训练的？
浏览 14提问于2022-11-01得票数 0
你有一个有偏的随机数发生器，它产生一个1的概率p和0的概率(1-p)。你不知道p的值，用它可以产生一个无偏的随机数发生器，产生1的概率为0.5，0的概率为0.5。
浏览 11修改于2016-04-24得票数 19
回答已采纳
我的df有很多分类变量，所以我使用了能够训练我的Random Forest和Logistic Regression模型。一切都很好，然后我问自己:哪些组件对模型预测影响最大？我考虑使用PCA，但我有虚拟二进制变量，所以我不知道它是否具有可解释性，因为我有很多变量是虚拟的。我还试着用但这是一样的；我只有数千列的数据，每个列的影响很小，失去了数据的可解释性。有什么方法来计算每个变量的重要性吗？我见过一些关于堆叠溢出的讨论。一些人说PCA可以使
浏览 2提问于2022-09-09得票数 0
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号