点击上方“AI算法与图像处理”,选择加"星标"或“置顶”
重磅干货,每天8:25送达
来源:深度学习与NLP
机器学习在改进产品、过程和研究方面拥有很大的潜力。但是机器学习模型预测的结果通常是不可解释的,这也是机器学习技术最大不足。本书主要讲解如何搭建机器学习模型,并使他们的预测结果是可解释的。
(文末附本书免费下载地址)
以前也发过相关的内容~
本书首先讲解可解释性的基本概念,然后讲解一些简单的、可解释的模型(Interpretable model),例如决策树、决策规则和线性回归。后面的章节集中于解释黑盒模型的一般模型不可知论的方法,如特征的重要性,以及累积的局部效应,以及用Shapley value和LIME解释单个预测。
我们将对所有的解释方法进行深入地解释和讨论。本质上他们是如何工作的?他们的优势和劣势是什么?如何解释它们的输出?本书将使你学会选择并正确应用最适合你机器学习项目的解释方法。
本书侧重于使用表格数据(也称为关系数据或结构化数据)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。推荐机器学习从业者、数据科学家、统计学家和任何对机器学习模型的解释感兴趣的人阅读这本书。
目录
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/bd1d359098819b187cde005b793e0b31.jpeg)
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/25308fbd26a504ad0e0c065dd6b6c00b.jpeg)
本书最新版下载地址
微信公众号回复关键字“auto2019”获取
end
交流群
扫码添加助手,可申请加入AI_study交流群。一定要备注:研究方向+地点+学校/公司+昵称(如目标检测+上海+上交+卡卡西),不根据格式申请,一律不通过。
【目前已有众多知名高校学生和从业者在群里面学习成长,期待你的加入】
推荐阅读:
![640?wx_fmt=png](https://i-blog.csdnimg.cn/blog_migrate/2cba20d74577dec51dc9daf89a6a59e5.png)
你点的每个“在看”,我都认真当成了喜欢