1樓：Alen Merle
首先，傳統機器學習模型（SVM之類的）都應該是白箱。
其次嚴格來說，深度學習模型也是白箱……
完全不知道內部構造，只能獲取輸入輸出的系統才是真正的黑箱。自然科學研究的物件幾乎都是黑箱。而深度學習中的人工神經網路模型的內部結構也是人為定義好的。所以人工神經網路也是白箱。
但是，知道神經網路內部構造之後卻不能解釋或者描述神經網路的輸出輸出特性，這就導致大家搞不懂神經網路從輸入到輸出到底做了什麼。
嚴格來講，如果我跟蹤每乙個神經元的計算，我就「實際上」可以描述神經網路從輸入到輸出到底經歷了什麼「運算」，但是這一切對於人腦來說太難懂了。舉個例子就是，CNN做MNIST數字識別，我可以說乙個手寫數字影象作為乙個張量被輸入這個CNN，然後這個CNN的每一層都根據學習到的權重引數對這個張量進行了「一次又一次的計算」，最後得到了這個影象對應的數字類別編碼。但是這一切似乎還是不太能解釋「為什麼CNN能夠做影象識別」這個問題。
所以，個人認為所謂深度學習模型的「黑箱特性」應該是指，隨著我們自己定義的數學物件（神經網路）複雜程度的加劇，我們沒有完善的理論在整個系統層面對人工神經網路的可表達性、訓練動力學等各種特性進行描述。
2樓：冰冰的冰
可解釋性不強，之前lr模型你還好歹可以利用權重資訊去看特徵的權重。但現在深度學習，都是向量表示，很難去說這個結果產生的具體原因。但也有一些人致力於對機器學習模型的可解釋性進行研究，希望有所進展。
機器學習中的模型到底是指什麼？
林高遠 舉乙個最簡化的例子 樣本集 A 類 1,3,4,5 樣本集 B 類 7,8,9 分類目標 大於 x 為 A類 小於 x 類為 B類 具體 x 可以等於任意實數，但不一定都能達成 100 正確分類目標。x 0，無法正確分類 x 10，無法正確分類 x 8，部分正確分類 x 4.5，部分正確分類...
在機器學習裡，經常聽到訓練模型，模型到底是個什麼東西呢，有沒有大佬給個通俗一點的解答？？
劉dl 輸入 X，張量 Y，實際標籤 模型 y pred f X,W 訓練模型是指 迭代擬合出乙個W，使得y pred很接近Y 付鵬 簡單說，模型是公式的引數。機器學習模型，就是按照指定的公式算數。假設我們有如下的邏輯回歸模型 式中，是輸入，是要學習的引數，那麼 三個數字就組成了模型，對於新的資料，...
怎麼理解老庫里奧對凱撒的評論 他是所有女人的男人和所有男人的女人 ？
Cicero wrote in several letters,Caesar was led by Nicomedes attendants to the royal bedchamber,where he lay on a golden couch,dressed in a purple shif...