首页> 外国专利> Explaining machine learning models by tracked behavioral latent features

Explaining machine learning models by tracked behavioral latent features

机译：通过跟踪行为潜在特征来解释机器学习模型

页面导航

摘要
著录项
相似文献

摘要

A system and method to explain model behavior, which can benefit not only those seeking to meet regulatory requirements when using machine learning models but also help guide users of the model to assess and increase robustness associated with model governance processes. The method described utilizes changes in behavior of a time series to identify the latent factors that drive explanation.

机译：解释模型行为的系统和方法，这不仅可以在使用机器学习模型时不仅可以满足监管要求，还可以帮助指导模型的用户来评估和增加与模型治理过程相关的鲁棒性。所描述的方法利用时间序列的行为的变化来识别驱动解释的潜在因子。

著录项

公开/公告号US11049012B2

专利类型
公开/公告日2021-06-29

原文格式PDF
申请/专利权人 FAIR ISAAC CORPORATION;
展开▼

申请/专利号US201715820141
发明设计人 SCOTT MICHAEL ZOLDI;CHAHM AN;
展开▼

申请日2017-11-21
分类号G06N3/08;G06N3/04;G06F16/35;G06F16/36;G06N7;G06Q20/40;G06N20;
国家 US
入库时间 2022-08-24 19:38:45

相似文献

专利
外文文献
中文文献