本次讲座姚力老师围绕可解释经济学方法 (Interpretable Machine Learning methods) 展开。
机器学习的方法在经济、金融、管理等研究领域已经逐渐被广泛应用，但是由于复杂机器学习的黑匣属性并且只关注预测的准确性，因此很多机器学习模型缺乏可解释性，进而不能用于解释变量之间的具体关系。
在本次研讨过程中，首先姚力老师跟大家探讨了关于解释机器学习的what and why，既可解释机器学习是什么和为什么要解释机器学习模型的问题。其次，姚力老师跟大家介绍了可解释机器学习的具体方法，主要分为全局和局部可解释性两种，具体举例说明了Partial Dependence Plot (PDP), Individual Conditional Expectation (ICE), Local Interpretable Model-agnostic Explanations (LIME)，Shapley Value等方法在如何解释机器学习模型中等具体应用。在讲座的最后，老师们一起探讨了机器学习、可解释机器学习方法的应用场景与应用方向等问题。
