机器学习的可解释性：因果推理和稳定学习

分享嘉宾：况琨 浙江大学 助理教授    编辑整理：有感情的打字机、闫建飞 导读：机器学习方法已经在许多领域取得了巨大的成功，但是其中大多数都缺乏可解释性和稳定性。其主要原因是目前机器学习方法是关联驱动的，且没有区分数据中的因果关联和虚假关联。 因果推理是用于解释分析的强大建模工具，可以帮助恢复数据中的因果关联，用于指导机器学习，实现可解释的稳定预测。在本次分享中，主要介绍了大数据背景下如何进行因

>>阅读原文<<