我是一名数据科学家,我在工作场所看到所有主要生产解决方案最多都涉及随机森林。
为什么像xgboost这样的机器学习算法不能在生产环境中使用?为什么需要再现性?
最佳答案
我不能代表所有人,但在大多数情况下,您希望有一个做出决定的理由。您需要能够让您的客户/老板相信这是正确的决定/预测。如果您使用神经网络或其他黑盒模型,您只能得到预测结果,如果幸运的话,还可以得到置信度估计。
“白盒”模型或可解释的模型更好,因为您可以指出样本的特定特征并说这些是产生预测的原因。决策树(但不要太深)或简单的阈值属于这一类。
如果我正确理解了 xgboost 的概念,你就会训练你的新树来纠正以前的错误。这意味着树不是独立的,因此难以解释。
关于machine-learning - 为什么像xgboost这样的机器学习算法不能在生产环境中使用?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35302997/