Заседание семинара "Анализ и понимание изображений"

Общепризнанным недостатком современных технологий машинного обучения является непрозрачность и непонятность для пользователей получаемых решений. В докладе будет обсуждаться подход к преодолению непрозрачности, основанный на поиске относительно простых закономерностей, связанных с разделением классов в признаковом пространстве или характеризующих связь с признаками прогнозируемой числовой переменной. Найденные закономерности допускают графическое представление на двумерных диаграммах. Важным элементом обсуждаемого подхода является оценивание статистической значимости найденных закономерностей. При этом для более сложных закономерностей оценивается значимость каждого из элементов. Статистическая оценивание производится с использованием перестановочных тестов и адаптированного для анализа принципа бритвы Оккама.

Ключевые слова: машинное обучение, повышение прозрачности, закономерности, статистическая значимость, бритва Оккама.