Uno dei principali limiti che ostacola l’utilizzo di algoritmi complessi di Machine Learning in reali scenari di business, è legato alla difficoltà di interpretarne i risultati.
È ormai divenuto linguaggio comune in ambito IT definire il machine learning come un’oscura “Black Box”, capace di dare risultati incredibili ma incapace di spiegare il processo utilizzato per la loro generazione.
In questo articolo, gli autori della University of Washington, presentano un framework per semplificare il processo di interpretazione degli algoritmi di Machine Learning.
Scopo di questo articolo è quello di demistificare l’alone di complessità interpretativa che circonda gli algoritmi di machine learning.
Più nello specifico, gli autori mostrano come, utilizzando delle combinazioni di albero decisionali, è possibile mostrare in modo semplice e intuitivo le “regole” che l’algoritmo di machine learning segue per poter generare le sue decisioni.
Questo framework è stato recentemente adottato da Humanativa per poter offrire ai propri clienti e partner nuovi tool capaci di prendere decisioni complesse ma semplici ed intuitivi da interpretare.
Per info: https://arxiv.org/pdf/1802.03888.pdf