可解释机器学习：黑盒模型可解释性理解指南 a guide for making black box models interpretable

数字资源平台 > 工学> 控制科学与工程> 模式识别与智能系统> 可解释机器学习：黑盒模型可解释性理解指南 a guide for making black box models interpretable

阅读次数： 115 下载次数： 21
荐购次数： 2 收藏次数： 6

作者：
(德)Christoph Molnar著

出版社：
电子工业出版社

出版时间：
2021.02

ISBN：
978-7-121-40606-5
主题：
机器学习
中图法分类号：
TP181
【中图法分类】
T 工业技术 > TP自动化技术、计算机技术 > TP1自动化基础理论
【学科分类】
工学 > 控制科学与工程 > 模式识别与智能系统
交叉学科 > 智能科学与技术（可授理学、工学学位）
工学 > 电子信息 > 人工智能

建议阅读终端：

在线试读

PDF格式

下载

PDF下载

分享到

注：如果您的电脑尚未安装PC客户端，请先安装客户端后再下载阅读！

手机扫描阅读此书

支持（Android/Iphone）

简介

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。

查看全部 ∨

评分：

评价：

请输入评论信息

0/255 我要评论

全部评论(0)

检索

默认排序