| 暂存书架(0) | 登录

MARC状态:审校 文献类型:中文图书 浏览次数:49

题名/责任者:
可解释机器学习:黑盒模型可解释性理解指南/Christopher Molnar著 朱明超译
出版发行项:
北京:电子工业出版社,2021
ISBN及定价:
978-7-1214-0606-5 CNY99.00
载体形态项:
XVI, 230页:图 (部分彩图);24cm
统一题名:
Interpretable machine learning : a guide for making black box models interpretable
其它题名:
黑盒模型可解释性理解指南
个人责任者:
莫尔纳 (Molnar, Christopher)
个人次要责任者:
朱明超
学科主题:
机器学习-分析方法-指南
中图法分类号:
TP181-34
版本附注:
据2020年英文版译出
出版发行附注:
本书简体中文版出版权由Christopher Molnar授予电子工业出版社出版
责任者附注:
责任者Molnar规范汉译姓: 莫尔纳
书目附注:
有书目 (第227-230页)
提要文摘附注:
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。
随书光盘:
全部MARC细节信息>>
索书号 条码号 年卷期 馆藏地 书刊状态
TP181-34/1 01384589   东7层1区      可借
TP181-34/1 01384590   总馆      借出-应还日期:2024-12-23
显示全部馆藏信息
借阅趋势

同名作者的其他著作(点击查看)
用户名:
密码:
验证码:
请输入下面显示的内容
  证件号 条码号 Email
 
姓名:
手机号:
送 书 地:
收藏到: 管理书架