如果你已经入门机器学习或者深度学习,而你还依然觉得人工智能模型的可解释性很差,甚至以为它就是个黑匣子,那么你就很Low了!今天给大家推荐的机器学习书籍资源,作者从非常有趣的角度带你认识和分析模型内部原理,让你从此不再认为机器学习模型是一个黑匣子。
作者&编辑 | ChaucerG
《Interpretable Machine Learning》
资源内容
资源书籍中,作者从机器学习可解释性的重要性出发,根据书中所提的几个主要的数据集对模型进行深入的原理诠释,具体内容包括线性回归、逻辑回归、GLM、GAM、决策树、神经网络等等内容。
书籍资源的目录如下:
《Interpretable Machine Learning》这一份关于机器学习的资源对于代码的维护做的也很好,作者在github上更新了书籍的代码,同时在github的issue部分积极回答读者所提出的问题,并且作者页开源了书籍的在线阅读地址,以方便读者使用。
在线阅读的地址(扫描二维码即可到达):
https://christophm.github.io/interpretable-ml-book/
作者维护的Github地址(扫描二维码即可到达):
https://github.com/christophM/interpretable-ml-book
资源部分内容的截图如下:
就以上的部分截图可以看出,作者对于枯燥的机器学习原理的解释是非常有趣又生动的,同时在解释原理的过程中也指出了那个模型的优缺点以及适用范围;书末作者对于AI以后可能的发展趋势也给出了自己的见解。当然可以看出来这是一份关于机器学习进阶的资料,也希望大家可以在不断进步的同时多追问一些为什么?
获取方式:关注【有三言选】公众号回复【ML】或加入【有三言选】知识星球直接获取。下方为【有三言选】知识星球二维码。
【有三言选】希望可以帮助大家打造一个优质的资源共享平台,在星球上可以提供更多更有质量的电子书籍、好工具、赠纸质书等,同时合伙人也会实时监测大家的需求以提供帮助。非常期待您的加入。
转载文章请后台联系
侵权必究