Peter Hersh, leitender Systemingenieur bei JMP, SAS
Florian Vogt, Systemingenieur, JMP
Russ Wolfinger, Direktor für wissenschaftliche Entdeckungen und Genomik, JMP
Laura Lancaster, Principal Research Statistician Developer, JMP
Algorithmen der künstlichen Intelligenz sind nützlich, um Einblicke in komplexe Probleme zu erhalten.Einer der Nachteile dieser Algorithmen ist, dass sie oft schwer zu interpretieren sind.Der Mangel an Interpretierbarkeit kann Modelle, die mit diesen KI-Algorithmen generiert wurden, weniger vertrauenswürdig und weniger nützlich machen.Dieser Vortrag zeigt, wie die Verwendung einiger Funktionen in JMP KI verständlicher machen kann.Die Präsentation umfasst die Durchführung von „Was-wäre-wenn“-Hypothesentests mit dem Prediction Profiler, die Prüfung der Modellrobustheit mit Monte-Carlo-Simulationen und die Analyse von Shapley-Werten, einer neuen Funktion in JMP Pro 17, um gegensätzliche Erklärungen zu untersuchen.
