|
题名:
|
可解释机器学习 Ke Jie Shi Ji Qi Xue Xi / (德)Christoph Molnar著 , 朱明超译 |
|
ISBN:
|
978-7-121-40606-5 价格： CNY99.00 |
|
语种:
|
chi |
|
载体形态:
|
16,230页 图 24cm |
|
出版发行:
|
出版地： 北京 出版社： 电子工业出版社 出版日期： 2021 |
|
内容提要:
|
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。 |
|
主题词:
|
机器学习 分析方法 |
|
中图分类法:
|
TP181 版次： 5 |
|
主要责任者:
|
莫尔纳 Mo Er Na 著 |
|
次要责任者:
|
朱明超 Zhu Ming Chao 译 |
|
索书号:
|
TP181/4422 |