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： | 978-7-121-49014-9:CNY118.00 |
|---|---|
| 作品语种： | chi ger |
| 出版国别： | CN 110000 |
| 题名责任者项： | 可解释机器学习/.(德)Christoph Molnar著/.郭涛译 |
| 版本项： | 2版 |
| 出版发行项： | 北京:,电子工业出版社:,2024 |
| 载体形态项： | 19,250页:;+图:;+24cm |
| 提要文摘： | 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。 |
| 并列题名： | Interpretable machine learing : a guide for making black box models explainable eng |
| 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 (德) (Molnar, Christoph) 著 |
| 个人名称次要： | 郭涛 译 |
| 记录来源： | CN SDL 20250506 |