Additive Index Models மூலம் விளக்கக்கூடிய Neural Networks
நரம்பியல் வலைப்பின்னல்கள் (Neural networks) பெரும்பாலும் 'கருப்புப் பெட்டிகள்' (black boxes) போலச் செயல்படுகின்றன. நீங்கள் தரவை உள்ளிடுகிறீர்கள், ஒரு முடிவைப் பெறுகிறீர்கள்; ஆனால் அந்த இயந்திரம் ஏன் அந்தத் தேர்வைச் செய்தது என்று உங்களுக்குத் தெரியாது. இந்தத் தெளிவின்மை பல தொழில்துறைகளில் நம்பிக்கையற்ற சூழலை உருவாக்குகிறது.
Additive Index Models இதற்கு ஒரு தீர்வை வழங்குகின்றன. இந்த மாதிரிகள் நரம்பியல் வலைப்பின்னல்களை வெளிப்படையானதாக மாற்றுகின்றன. ஒவ்வொரு உள்ளீட்டு அம்சமும் (input feature) இறுதி முடிவை எவ்வாறு பாதிக்கிறது என்பதை இவை உங்களுக்குக் காட்டுகின்றன.
இது உங்களுக்கு ஏன் முக்கியமானது:
- ஒவ்வொரு கணிப்பிற்கும் (prediction) பின்னால் உள்ள தர்க்கத்தைப் புரிந்துகொள்ளலாம்.
- எந்த மாறிகள் (variables) உங்கள் முடிவுகளைத் தீர்மானிக்கின்றன என்பதைக் கண்டறியலாம்.
- முக்கியமான பணிகளுக்காக அதிக நம்பகத்தன்மை கொண்ட அமைப்புகளை உருவாக்கலாம்.
- மாதிரியின் வெளிப்படைத்தன்மைக்கான ஒழுங்குமுறைத் தேவைகளைப் பூர்த்தி செய்யலாம்.
இந்த அணுகுமுறை டீப் லேர்னிங்கின் (deep learning) வலிமையையும், புள்ளிவிவர மாதிரிகளின் (statistical models) தெளிவையும் இணைக்கிறது. இதன் மூலம், முடிவெடுக்கும் காரணிகளின் மீதான கட்டுப்பாட்டை இழக்காமல், நரம்பியல் வலைப்பின்னலின் துல்லியத்தைப் பெற முடியும்.
முழுமையான விளக்கத்தைப் படிக்க இங்கே கிளிக் செய்யவும்:
Source: https://dev.to/paperium/explainable-neural-networks-based-on-additive-index-models-1k1b
Optional learning community: https://t.me/GyaanSetuAi