×

正在处理。。。

即刻使用手机阅读

人工智能 可解释机器学习:黑盒模型可解释性理解指南

作者:克里斯托夫·莫尔纳、朱明超 字数:13.4万字 出版社:电子工业出版社

价格:6930阅饼

免费试读 购买
扫一扫 扫一扫

机器学习虽然对改进产品性能和推进研究有很大的潜力,但无法对它们的预测做出解释,这是当前面临的一大障碍。本书是一本关于使机器学习模型及其决策具有可解释性的书。本书探索了可解释性的概念,介绍了简单的、可解释的模型,例如决策树、决策规则和线性回归,重点介绍了解释黑盒模型的、与模型无关的方法,如特征重要性和累积局部效应,以及用Shapley 值和LIME 解释单个实例预测。本书对所有的解释方法进行了深入说明和批判性讨论,例如它们如何在黑盒下工作、它们的优缺点是什么、如何解释它们的输出。本书将解答如何选择并正确应用解释方法。本书的重点是介绍表格式数据的机器学习模型,较少涉及计算机视觉和自然语言处理任务。本书适合机器学习从业者、数据科学家、统计学家和所有对使机器学习模型具有可解释性感兴趣的人阅读。

书圈 | 共3人,23条

我来说两句
快来抢沙发~

快来说两句,抢沙发

获取掌阅iReader

京ICP备11008516号(署)网出证(京)字第143号京ICP证090653号京公网安备11010502030452

2015 All Rights Reserved 掌阅科技股份有限公司 版权所有

不良信息举报:jubao@zhangyue.com 举报电话:010-59845699