MARC状态：订购 文献类型：中文图书 浏览次数：12
- 题名/责任者:
- 可解释机器学习:黑盒模型可解释性理解指南/(德)Christoph Molnar著 郭涛译
- 版本说明:
- 2版
- 出版发行项:
- 北京:电子工业出版社,2024.10
- ISBN及定价:
- 978-7-121-49014-9/CNY118.00
- 载体形态项:
- 19,250页:图，照片;24cm
- 中图法分类号:
- TP181-34
- 版本附注:
- 据原书第2版译出
- 责任者附注:
- Christoph Molnar克里斯托夫·莫尔纳，可解释机器学习研究员，目前在德国慕尼黑大学统计研究所攻读博士学位，目标是让机器学习模型的决策更容易被人类理解。著作InterpretableMachineLearning受到业界高度关注。
- 提要文摘附注:
- 本书探索了可解释性的概念，介绍了许多可解释模型，包括决策树、决策规则和线性回归等。此外，书中还介绍了深度神经网络的可解释性方法。
- 使用对象附注:
- 本书适用于机器学习从业者、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
全部MARC细节信息>>