可解释的机器学习（interpretable ML）和用机器学习做因果推断有什么区别？
关注者
55被浏览
21,406登录后你可以
不限量看优质回答私信答主深度交流精彩内容一键收藏
可解释机器学习的内涵比较广泛，因为不同的群体需要算法提供的解释是不同的，例如：算法研究者关注算法的透明性，就可以使用内在可解释的模型；用户往往关注可理解性，就可以使用事后解释技术。
因果推断的目的是得到变量间的因果关系，对特定群体具有一定的可解释性，往往用于帮助研究者设计出更鲁棒的算法，可以看作可解释机器学习的一个分支。