正在处理，请稍候...
可解释机器学习[专著]：黑盒模型可解释性理解指南＝Interpretable machine learning：a guide for making black box models interpretable／(德)Christoph Molnar著；朱明超译．—北京：电子工业出版社，2021
xvi,230页：图(部分彩图)；24cm
本书简体中文版专有出版权由Christoph Molnar授予电子工业出版社
责任者Molnar规范汉译姓: 莫尔纳
Christoph Molnar, 可解释机器学习研究员, 目前在德国慕尼黑大学统计研究所攻读博士学位, 目标是让机器学习模型的决策更容易被人类理解。朱明超, 就读于复旦大学计算机科学技术专业, 热衷于知识推广, 主要研究机器学习和模型可解释性。
有书目 (第227-230页)
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。
ISBN978-7-121-40606-5：CNY99.00
Ⅰ．①可解释机器学习②Interpretable machine learning : a guide for making black box models interpretable③黑盒模型可解释性理解指南 Ⅱ．①莫尔纳②朱明超 Ⅲ．①机器学习 - Ji Qi Xue Xi - 分析方法 - 研究 Ⅳ．①TP181-34
xvi,230页：图(部分彩图)；24cm
本书简体中文版专有出版权由Christoph Molnar授予电子工业出版社
责任者Molnar规范汉译姓: 莫尔纳
Christoph Molnar, 可解释机器学习研究员, 目前在德国慕尼黑大学统计研究所攻读博士学位, 目标是让机器学习模型的决策更容易被人类理解。朱明超, 就读于复旦大学计算机科学技术专业, 热衷于知识推广, 主要研究机器学习和模型可解释性。
有书目 (第227-230页)
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。
ISBN978-7-121-40606-5：CNY99.00
Ⅰ．①可解释机器学习②Interpretable machine learning : a guide for making black box models interpretable③黑盒模型可解释性理解指南 Ⅱ．①莫尔纳②朱明超 Ⅲ．①机器学习 - Ji Qi Xue Xi - 分析方法 - 研究 Ⅳ．①TP181-34
借阅信息
