文献类型:专著 浏览次数:120
  • 题名:可解释机器学习.黑盒模型可解释性理解指南
  • 责任者:(德)Christoph Molnar著
  • 出版社电子工业出版社
  • 出版年:2021.02
  • ISBN:978-7-121-40606-5
  • 定价:99.00
  • 载体形态项:16,230页 24cm
  • 个人责任者:莫尔纳著、朱明超译
  • 学科主题:机器学习
  • 中图法分类号:TP181
  • 提要文摘附注: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。
  • 统一资源定位(URL):
总体评价(共0票) 评价
索书号 条码号 年卷期 馆藏地 排架号 书刊状态 流通类型 流通状态

书籍封面

相关资源

图书馆微博二维码

图书馆微信公众号二维码