可解释元学习框架

自动选算法可解释

在自动选择分类算法的元学习中引入可解释性，使推荐结果透明可信，适用于需要高精度与可解释性并重的敏感领域。

Shao, Xinyue · 王宏志 · Xiao, Zhu · Feng, Xiong · Mu, Tianyu · 张岩

Information Sciences 2023

技术优势

推荐过程可解释

框架能够解释元学习选择算法的推荐结果，让用户理解为什么某个算法被选中。

面向业务场景的解释更完整

结合特定数据集和业务场景，提供对推荐算法性能更完整准确的解释。

应用场景

• 算法选择：自动选择算法并给出选择理由，省去人工试验时间。
• 金融风控：需要高精度且可解释的模型来满足监管，框架推荐并解释模型。
• 医疗诊断：医疗决策必须透明，框架解释推荐算法以增强信任。