超值优惠券
¥50
100可用 有效期2天

全场图书通用(淘书团除外)

不再提示
关闭
图书盲袋,以书为“药”
欢迎光临中图网 请 | 注册
>
可解释机器学习 黑盒模型可解释性理解指南(第2版)

可解释机器学习 黑盒模型可解释性理解指南(第2版)

出版社:电子工业出版社出版时间:2024-10-01
开本: 16开 页数: 272
中 图 价:¥93.2(7.9折) 定价  ¥118.0 登录后可看到会员价
加入购物车 收藏
运费6元,满39元免运费
?新疆、西藏除外
本类五星书更多>

可解释机器学习 黑盒模型可解释性理解指南(第2版) 版权信息

  • ISBN:9787121490149
  • 条形码:9787121490149 ; 978-7-121-49014-9
  • 装帧:暂无
  • 册数:暂无
  • 重量:暂无
  • 所属分类:

可解释机器学习 黑盒模型可解释性理解指南(第2版) 内容简介

机器学习虽然在改进产品性能、产品流程和推进研究方面有很大的潜力,但仍面临一大障碍――计算机无法解释其预测结果。因此,本书旨在阐明如何使机器学习模型及其决策具有可解释性。本书探索了可解释性的概念,介绍了许多简单的可解释模型,包括决策树、决策规则和线性回归等。本书的重点是模型不可知方法,用于解释黑盒模型(如特征重要性和累积局部效应),以及用Shapley 值和局部代理模型解释单个实例预测。此外,本书介绍了深度神经网络的可解释性方法。本书深入解释并批判性地讨论所有的可解释方法,如它们在黑盒下的运作机制,各自的优缺点,如何解释它们的输出结果。本书将帮助读者选择并正确应用*适用于特定机器学习项目的解释方法。本书适合机器学习从业者、数据科学家、统计学家及任何对机器学习模型可解释性感兴趣的读者阅读。

商品评论(0条)
暂无评论……
书友推荐
编辑推荐
返回顶部
中图网
在线客服