当考虑具有有意 经过预处理后，更复杂的分类器（深度神经网络、增强决策树、随机森林）和更简单的分类器（逻辑回归、决策列表）之间的性能通常没有显着差异……
即使对于计算机视觉等应用，深度学习具有很大的性能提升，而可解释 印度尼西亚数据 性则更难定义，某些形式的可解释性可以直接融入到模型中而不会损失准确性。”
如何训练你的模型
如果你有能力构建人工智能，那么你应该从一开始就努力让它变得可解释。为此：
记录您要解决的业务问题。当计算机难以理解业务目标时，人工智能可 传统城市并非为远程办公和技术驱动 能会出现偏差。因此，仅仅说您希望算法预测客户的“信用度”是不够的。您还必须决定（并记录）是否要用具体的业务术语（例如，已偿还的贷款金额）来定义“信用度”。
尽早设计算法的要求
在产品规范阶段，编写推理和解释准确性、可解 新加坡电话列表 释性和执行性的指南。提前明确这些目标，将使您在整个产品生命周期中更加关注偏差问题当考虑具有有意。