机器学习是一种变革性的技术，大数据调研报告，它将继续改变数据处理、洞察和业务运营的方式。然而，鉴于这一领域相对较新，数据科学家和机器学习工程师往往发现他们对自己的数据和机器学习模型拥有的问题多于答案。这些可能包括：

我的数据是否"有效"，或是否适合训练机器学习模型？数据中存在哪些趋势？我的数据中哪些部分对机器学习模型的学习结果影响更大？为什么模型会做出这样的预测？

在SAP，我们开发嵌入机器学习的企业软件，以可解释的方式回答这些问题正成为与客户建立信任的关键部分。事实上，在SAP Cash Application等产品中，我们自动处理各种财务文档，为机器学习预测提供"原因"不仅为用户建立了透明度，而且有助于在产品中建立必要的可审核性。可解释性因此成为公司许多人越来越感兴趣的话题，我们中的一组人一直致力于开发可重用的可解释性组件，云品，供其他人使用。

因此，我们很高兴宣布发布上下文AI，SAP的第一个开源机器学习框架专注于为机器学习管道的各个阶段（数据、培训和推理）添加可解释性，从而解决机器学习系统与其最终用户之间的信任差距。

它做了什么？

你可以在这个GitHub存储库中找到上下文人工智能，它跨越了三个可解释性的支柱或范围，每个支柱或范围都涉及机器学习解决方案生命周期的不同阶段。该库为每个数据库提供了若干特性和功能：

数据：

分布分析数据验证

培训：

培训绩效特征重要性每节课解释简单错误分析

推断：

对个别预测的解释

最后，数据更新，我们提供了一个编译器，一个将上述函数的输出聚合成PDF报告的组件，有哪些云服务器，我们称之为"解释性报告"。用户只需一个配置文件，大数据营销，就可以创建一个解释数据的端到端管道，训练表现，模型预测行为。您可以在这里找到完整的教程。

图1。示例解释性报告（链接到PDF）

有关更多示例，请查看存储库中的教程。Explainability已经集成到多个产品中，包括SAP Data Intelligence和SAP Cash Application，我们希望更智能的企业软件能够通过上下文AI建立信任和透明度？

我们是一个由来自SAP云平台业务服务的数据科学家和工程师组成的团队，他们将上下文AI作为辅助项目的一部分进行工作。我们每个人都受到了客户的真实需求和各自产品团队的参与的启发，共同致力于这一主题。我们的使命是在更多的产品和服务中建立和推广可解释性。

有兴趣贡献吗？

通过使上下文AI开源，我们为SAP内外的合作打开了大门。这将有助于该库的进一步开发，进而使使用上下文人工智能的产品更易于解释和透明。有关更多信息，请访问我们的GitHub存储库。如果你喜欢你所看到的，一定要给我们一颗星星！

有关SAP在开源软件方面的更多信息，请访问我们的SAP开源登录页。你会发现其他领域的开源项目，包括Gardener，一个Kubernetes管理工具，和Kyma，企业应用程序和云技术的连接器。

链接

开源@SAP：https://developers.sap.com/open-source.html

GitHub上的SAP存储库：https://github.com/sap

上下文AI存储库：https://github.com/SAP/context-ai

文件：https://context-ai.readthedocs.io/