可解释的 AI：拆箱黑盒 (2022-US-45MP-1147)Peter Hersh，JMP 高级系统工程师，SAS
Florian Vogt，JMP 系统工程师
Russ Wolfinger，JMP 科学发现和基因组学总监
Laura Lancaster，JMP 首席研究统计开发人员
人工智能算法对于深入了解复杂问题很有用。这些算法的缺点之一是它们通常难以解释。缺乏可解释性会使使用这些 AI 算法生成的模型的可信度和实用性降低。本演讲将展示如何利用 JMP 中的一些功能使 AI 更易于理解。该演示文稿的特点是使用预测分析器执行“假设”假设检验，使用蒙特卡罗模拟测试模型稳健性，以及分析 JMP Pro 17 中的新功能 Shapley 值，以探索对比解释。
爆发数据探索统计和建模
