|
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:
|
XVI,,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:
|
TP181-34 版次： 5 |
|
其它题名:
|
黑盒模型可解释性理解指南 |
|
主要责任者:
|
莫尔纳 mo er na 著 |
|
次要责任者:
|
朱明超 zhu ming chao 译 |
|
附注:
|
博文视点 |
|
责任者附注:
|
责任者Molnar规范汉译姓:莫尔纳 |
|
责任者附注:
|
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。著作Interpretable Machine Learning受到业界高度关注。 |
|
索书号:
|
1 |