可解釋的 AI：拆箱黑盒 (2022-US-45MP-1147)Peter Hersh，JMP 高級系統工程師，SAS
Florian Vogt，JMP 系統工程師
Russ Wolfinger，JMP 科學發現和基因組學總監
Laura Lancaster，JMP 首席研究統計開發人員
人工智能算法對於深入了解複雜問題很有用。這些算法的缺點之一是它們通常難以解釋。缺乏可解釋性會使使用這些 AI 算法生成的模型的可信度和實用性降低。本演講將展示如何利用 JMP 中的一些功能使 AI 更易於理解。該演示文稿的特點是使用預測分析器執行“假設”假設檢驗，使用蒙特卡羅模擬測試模型穩健性，以及分析 JMP Pro 17 中的新功能 Shapley 值，以探索對比解釋。
爆發數據探索統計和建模
