问哪一种内在可解释的模型具有最高的性能？

EN

“noe”S回答说:当你有少量的特征时，可解释的模型可以为你做很多事情，因为它们通常是通过直接使用输入特征进行预测，而没有任何中间特征。当数据是结构化的，特征数量很少时，选择一个更复杂的模型却失去了可解释性，就没有多大价值了。

有很多变化的特性。你有两个问题。直接从输入数据进行预测的模型不再具有简单的解释值。如果没有特性工程，最好使用更强大的模型，在决策中使用更少的次要特性。例如，两层神经网络本质上是两层logistic回归.因此，您仍然可以分析哪些次要特性对最后一层有用。然后，您可以分析这些特性在您的数据集中有哪些关联。

我认为你提出的问题有两个问题：

• 模型性能在很大程度上取决于数据。
• “可见性”不是一个黑白概念。

尽管如此，人们可能会理解，坡度增强的树一般都会产生好的结果，如果它们足够小，在某种程度上就可以被认为是可解释的。