第1章　引言

可解释机器学习（Interpretable Machine Learning，IML）是目前甚至未来几年机器学习研究的热门领域，其研究目的是解决机器学习模型的可解释性问题，让机器学习模型能够更广泛地应用于各行各业。本章将讲述可解释机器学习的研究背景，介绍黑盒模型存在的问题和风险，通过一些小故事让读者了解问题的严重性。特别是在银行业领域，法律和监管机构对机器学习模型的应用提出了更高的要求，模型的稳定性、安全性、公平性等都是影响模型投入使用的重要因素。在以上背景下，科学家们提出了对模型可解释性的研究，而关于可解释性的具体定义及其性质等内容，将在第2章中讲述。