我是一名数据科学家，在我的工作场所，我观察到所有主要的生产解决方案最多使用随机森林。

为什么像xgboost这样的机器学习算法不能用于生产环境？为什么需要可重复性？

回答：

我不能代表所有人发言，但在大多数情况下，你希望为一个决策有一个理由。你需要能够说服你的客户/你的老板这是正确的决策/预测。如果你使用神经网络或其他黑盒模型，你只有结果预测，如果幸运的话，还有一个置信度估计。

“白盒”模型或可解释的模型更好，因为你可以指出样本的特定特征，并说这些是导致结果预测的原因。决策树（但不要太深）或简单的阈值设定属于这一类别。

如果我正确理解xgboost的概念，你训练新的树来纠正之前树的错误。这意味着这些树不是独立的，因此难以解释。