机器学习模型的可理解性有多重要？我们分析了调查结果

原文：www.kdnuggets.com/2018/11/machine-learning-model-understandable-poll-results.html

评论之前的 KDnuggets 调查问卷询问了

在 2018 年构建机器学习/数据科学模型时，模型可被人类理解/解释的重要性有多大？

基于超过 500 票的总体结果显示，对于约 37%的投票者来说，这一点始终重要，另有 48%的人表示它“频繁”重要，因此大约 85%的受访者认为这点始终或频繁重要。仅有 2%的人表示这点从未重要。

图 1：机器学习模型可理解性的重要性

调查还询问了就业类型，整体分布如下

根据就业类型，理解机器学习结果的重要性是否有所不同？图 2 展示了按就业类型的结果，排除了其他类别。

图 2：按就业类型划分机器学习模型可理解性的重要性

颜色表示重要性：橙色：“始终”，绿色：“频繁”，浅灰色：“偶尔”，深灰色：“从不”。

我们注意到，来自公司或自雇的受访者给出的“频繁”回答的比例最高——51.6%，而学生的比例最低——仅为 36.7%。

学术研究人员表示“始终”重要的比例高于其他任何群体，这表明机器学习的理解是一个活跃的研究领域。

然而，总体而言，所有群体中理解性始终或频繁重要的比例都超过 80%。不出所料，唯一的例外是学生，其重要性稍低——仅为 76%。

按地区划分的整体分布如下

我们接下来查看四个回答最多的地区的答案分布。

鉴于GDPR于 2018 年 5 月 25 日在欧洲生效，理解机器学习在欧洲是否尤为重要？

图 3：按地区划分机器学习模型可理解性的重要性

出人意料的是，对可理解性最担忧的地区不是欧洲，而是美国/加拿大。将“总是”和“经常”两种回答合并，我们看到美国/加拿大的受访者最为担忧，达到 88.5%，其次是欧洲：81.9%，亚洲：81.0%，拉丁美洲：78.2%。其他两个地区的受访者数量太少，无法进行统计分析。

相关：

我们的三大课程推荐

1. 谷歌网络安全证书 - 快速进入网络安全职业生涯

2. 谷歌数据分析专业证书 - 提升你的数据分析技能

3. 谷歌 IT 支持专业证书 - 支持你的组织的 IT 工作