弗拉基米尔·切尔卡斯基;绍普提克达尔 黑盒预测模型的解释。 （英语） Zbl 1336.68213号 Vovk，Vladimir（编辑）等人，《复杂性度量》。阿列克谢·切尔沃内基斯的节日庆典。查姆：施普林格（ISBN 978-3-319-21851-9/hbk；978-3-3169-21852-6/电子书）。267-286 (2015). 摘要：许多机器学习应用程序都涉及使用黑盒技术的预测数据分析建模。此类研究中的一个常见问题是对估计的非线性高维模型的理解/解释。虽然人类用户自然喜欢简单的可解释模型，但这种模型在现代自适应方法（如支持向量机（SVM）、多层感知器网络（MLP）、AdaBoost等）中可能并不实际可行。本章简要概述了基于SVM的分类模型的可视化和解释的当前技术，然后强调了此类方法的潜在问题。我们认为，在VC-理论框架下，无法通过预测数据分析模型的技术分析实现模型解释。也就是说，任何有意义的解释都应该包含数据分析之外的应用领域知识。我们还描述了一种用于SVM分类模型可视化的简单图形技术。关于整个系列，请参见[Zbl 1331.68020号]. 引用于1文件 MSC公司： 68T05年 人工智能中的学习和自适应系统 软件：GGobi公司;电子静态学习 PDF格式BibTeX公司 XML格式引用 \textit{V.Cherkasky}和\textit{S.Dhar}，in：复杂性度量。阿列克谢·切尔沃内基斯的节日庆典。查姆：斯普林格。267--286（2015年；Zbl 1336.68213） 全文： 内政部 参考文献： 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。