可解釋性機器學習

可解釋性機器學習 地址： 原書-英文版 中文翻譯版-更新中 機器學習對於改進產品、過程和研究有很大的潛力。但是計算機通常不能解釋他們的預測，這是機器學習的一個障礙。這本書是關於使機器學習模型和它們的決策可解釋。 在探索了可解釋性的概念之後，您將學習簡單的、可解釋的模型，如決策樹、決策規則和線性迴歸。後面幾章重點介紹瞭解釋黑箱模型的一般模型不可知論方法，如特徵重要性和累積局部效應，以及用沙普利值（S

>>阅读原文<<