ISTA-NET（压缩感知） OPINE_NET（压缩感知ISTA的发展） MHF_NET（高分辨率多光谱+低分辨率高光谱=高分辨率高光谱）

可解释图像分类方法+不事后解释 第一次上传的公开资源 涉及两篇可解释机器学习的论文—— 1不做事后解释 2ProtoPNet模型，实现模型级别的可解释，保证了精确度又实现了可解释的图像分类实验。具体的代码后续也会上传

在A Unified Approach to Interpreting ModelPredictions论文中的第三个分析模型评估标准：SHAP分析Mnist数据集遮掩实验复现代码

可解释信息抽取PPT

机器学习金融实验室（MlFinLab） MlFinlab是一个python软件包，可通过提供可再现，可解释且易于使用的工具，帮助希望利用机器学习功能的投资组合经理和交易员。 此回购面向公众，其唯一目的是为用户提供一种简便的方法来引发错误，功能请求和其他问题。 pip安装mlfinlab 有关MacOS，Linux和Windows的详细安装指南，请访问。 文档，教程，视频和源代码 通过提供大量的和教程笔记本以及代码示例，我们降低了所有用户的进入门槛。 谁是哈德逊和泰晤士河？ Hudson and Thames Quantitative Research是一家致力于在量化金融领域实施最前

软件包基于Marcos Lopez de Prado博士在金融机器学习的进展方面的研究成果而开发。机器学习金融实验室（MlFinLab）MlFinlab是一个python软件包，可帮助想要利用机器学习功能的投资组合经理和交易员通过提供可重现，可解释且易于使用的工具。 将MlFinLab添加到您的公司管道就像添加一个PhD研究人员部门到您的团队一样。 pip install mlfinlab我们所有的实现都来自最受精英和同行评审的期刊。 包括以下出版物：

机器学习模型和数据驱动系统正越来越多地用于帮助在金融服务、医疗保健、教育和人力资源等领域做出决策。机器学习应用程序提供了诸如提高准确性、提高生产率和节约成本等好处。这一趋势是多种因素共同作用的结果，最显著的是无处不在的连通性、使用云计算收集、聚合和处理大量细粒度数据的能力，以及对能够分析这些数据的日益复杂的机器学习模型的更好访问。

人工智能的未来在于使人类能够与机器合作解决复杂的问题。就像任何有效的合作一样，这需要良好的沟通、信任、清晰和理解。可解释人工智能(XAI)旨在通过结合符号人工智能和传统机器学习的优点来应对此类挑战。多年来，各种不同的AI社区都在研究这一主题，他们有着不同的定义、评估指标、动机和结果。

AI模型可解释性是当前非常火爆的领域，本资料是AAAI 2020 tutorial的PPT，内容非常丰富，值得学习

近年来,机器学习发展迅速,尤其是深度学习在图像、声音、自然语言处理等领域取得卓越成效．机器学习算法的表示能力大幅度提高,但是伴随着模型复杂度的增加,机器学习算法的可解释性越差,至今,机器学习的可解释性依旧是个难题．