摘要：机器学习支撑的系统应用越来越普遍,但是此类系统的需求通常难以表达完整且可能存在一些难以检测的冲突,使得这些系统通常无法在生产环境中高效满足用户的综合需求。此外,对于在实际场景中使用的机器学习系统,用户信任通常取决于包含可解释性、公平性等非功能需求在内的综合需求的满足程度,且在不同领域内应用机器学习通常有特定的需求,为保证需求描述的质量及实施过程的决策带来了挑战。为解决以上问题,文中提出了一个机器学习系统的需求建模和决策选择框架,包括一个MLS(Machine Learning Systems)需求概念模型和机器学习管道过程元模型,以及对训练数据集、算法等组件的决策选择方法,旨在规范实际场景中机器学习系统的需求设计、开发和评估。实例研究表明,提出的MLS需求描述和实现方法是可行且有效的。