告别AI模型黑盒：可解释机器学习研究

在大数据时代，人工智能技术已渗透到金融行业当中。金融科技（FinTech）通过大数据与人工智能的结合，为传统银行业带来了创新的产品和服务，提供了高效率、低成本的运营策略，网络化、数字化、智能化将成为未来银行的发展趋势。由于机器学习模型存在“黑盒”属性，所以模型内部的工作原理和模型决策过程难以被理解。在银行业，人们不仅要求机器学习模型给出准确的预测结果，而且要求其对预测结果进行解释。可解释机器学习的思想在于，选择模型时，同时考虑其精度与可解释性，它不仅给出模型预测结果，还能给出得到该结果的理由。

索信达AI创新中心结合自身的金融业务场景与专业知识，在可解释机器学习领域有了一定的探索，希望通过一系列文章介绍不同解释模型的方法，分享可解释机器学习理论结合实际业务的应用和思考。