字数:13.4万字 出版社:电子工业出版社
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
快来说两句,抢沙发
同类热销榜
-
- 1
-
这就是ChatGPT[精品]
12
- 1
-
- 2
-
人工智能时代与人类未来[精品]
17
- 2
-
- 3
-
- 4
-
AI 3.0[精品]
3
- 4
-
- 5
-
生成式人工智能[精品]
1
- 5
-
- 6
-
计算社会学:基础理论篇[精品]
1
- 6
-
- 7
-
- 8
-
- 9
-
生命3.0[精品]
8
- 9
-
- 10
-
神经漫游者三部曲(全三册)[精品]
3
- 10