《可解释性机器学习》PDF电子书下载
数据科学与人工智能
共 434字，需浏览 1分钟
·
2021-10-13 02:41
《可解释性机器学习》是研究和总结机器学习模型及其决策的可解释性。在探索可解释性的概念后，你将了解简单、可解释的模型，例如决策树、决策规则和线性回归。后面的章节聚焦于解释特征重要性和累积局部效应的黑盒模型以及用Shapley值和LIME解释个体预测。所有的解释方法都进行了深入的讲解和批判性的讨论。
它们是如何在幕后的工作的？它们的优势和劣势是什么？如何解释它们的输出？
《可解释性机器学习》将使你能够选择并正确应用最适合你机器学习项目的解释方法。
《可解释性机器学习》的内容结构：
获取方式
请扫描下方二维码，进入Py4DS群，备注：Py4DS，在群公告里面可以获取下载链接。
PDF电子书专辑
评论