4
个编辑
更改
修改文字描述，使文章更专业化。
崔鹏老师在这篇发表在''Nature Machine Intelligence''的观点论文中提出，为了从根本上解决稳定性、可解释性和公平性的风险，人们需要在机器学习框架中接受并强调因果关系。因果关系实际上刻画了数据生成机制，如果能够识别和估计数据的因果结构，预测建模自然可以作为副产品来解决。遵循着强调因果关系的技术路径，研究者必须解决因果推断的所有挑战。至此，机器学习和因果推断之间形成了共识。崔鹏老师团队和国内外其他团队在这个问题上进行了诸多探索，并形成了“稳定学习”的方向，朝着沟通机器学习和因果推断的目标前进。
崔鹏老师在这篇发表在''Nature Machine Intelligence''的观点论文中提出，为了从根本上解决稳定性、可解释性和公平性的风险，人们需要在机器学习框架中接受并强调因果关系。因果关系实际上刻画了数据生成机制，如果能够识别和估计数据的因果结构，预测建模自然可以作为副产品来解决。遵循着强调因果关系的技术路径，研究者必须解决因果推断的所有挑战。至此，机器学习和因果推断之间形成了共识。崔鹏老师团队和国内外其他团队在这个问题上进行了诸多探索，并形成了“稳定学习”的方向，朝着沟通机器学习和因果推断的目标前进。
==稳定学习的提出<ref>Kuang, K., et al. Stable Prediction across Unknown Environments. in ACM SIGKDD International Conference on Knowledge Discovery & Data Mining. 2018.</ref>==
==稳定学习的提出<ref>Kuang, K., et al. Stable Prediction across Unknown Environments. in ACM SIGKDD International Conference on Knowledge Discovery & Data Mining. 2018.</ref>==