书目详细信息
： 可解释机器学习:黑盒模型可解释性理解指南
书目信息 机读格式(MARC)
| ISBN/价格： | 978-7-121-40606-5:CNY99.00 |
|---|---|
| 作品语种： | chi eng |
| 出版国别： | CN 110000 |
| 题名责任者项： | 可解释机器学习/.(德) Christoph Molnar著/.朱明超译 |
| 出版发行项： | 北京:,电子工业出版社:,2021.2 |
| 载体形态项： | xvi, 230页:;+图 (部分彩图):;+24cm |
| 提要文摘： | 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。 |
| 题名主题： | 机器学习 分析方法 研究 |
| 中图分类： | TP181-34 |
| 个人名称等同： | 莫尔纳 著 |
| 个人名称次要： | 朱明超 译 |
| 记录来源： | CN 百万庄 20230315 |