ICMLJun, 2021
可解释性提升框架在准确性、可解释性和差分隐私领域的应用
Accuracy, Interpretability, and Differential Privacy via Explainable Boosting
Harsha Nori, Rich Caruana, Zhiqi Bu, Judy Hanwen Shen, Janardhan Kulkarni
TL;DR本研究证明在可解释的机器学习模型 Explainable Boosting Machines (EBMs) 中添加差分隐私可以保证隐私同时获得最先进的准确性,同时提供准确的全局和局部可解释性。