官网首页 | 您好,欢迎光临电子工业出版社有限公司!
退出登录 我的电子社
请登录 免费注册
热搜: 计算机计算工业
您的购物车中还没有商品,赶紧去够选吧!
{{sdata.name}}
{{tdata.name}}
著 者:(德)Christoph Molnar (克里斯托夫·莫尔纳)
作 译 者:朱明超
出版时间:2021-03 千 字 数:298 版 次:01-01 页 数:244
开 本:16开 装 帧: I S B N :9787121406065
换 版:
纸质书定价:¥99.0
库存:有
共有图书评论0条 【查看评论摘要】
看了又看
{{data.bookName}}
¥{{data.price}}
内容简介
目 录
前 言
上架建议
作者简介
获奖信息
编辑推荐
配套资源
音视频专区
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。
对不起,暂无音视频资源!
暂无评论
您还没有登录,请登录后再评论。
关注我们 书目下载 微信矩阵