可解釋機器學習-黑盒模型可解釋性理解指南 (第2版) 9787121490149 克里斯托夫.莫爾納

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202410*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：可解釋機器學習-黑盒模型可解釋性理解指南 (第2版)
ISBN：9787121490149
出版社：電子工業
著編譯者：克里斯托夫.莫爾納
頁數：250
所在地：中國大陸 *此為代購商品
書號：1696841
可大量預訂，請先連絡。

內容簡介

機器學習雖然在改進產品性能、產品流程和推進研究方面有很大的潛力，但仍面臨一大障礙——計算機無法解釋其預測結果。因此，本書旨在闡明如何使機器學習模型及其決策具有可解釋性。 本書探索了可解釋性的概念，介紹了許多簡單的可解釋模型，包括決策樹、決策規則和線性回歸等。本書的重點是模型不可知方法，用於解釋黑盒模型（如特徵重要性和累積局部效應），以及用Shapley值和局部代理模型解釋單個實例預測。此外，本書介紹了深度神經網路的可解釋性方法。 本書深入解釋並批判性地討論所有的可解釋方法，如它們在黑盒下的運作機制，各自的優缺點，如何解釋它們的輸出結果。本書將幫助讀者選擇並正確應用最適用於特定機器學習項目的解釋方法。 本書適合機器學習從業者、數據科學家、統計學家及任何對機器學習模型可解釋性感興趣的讀者閱讀。

作者簡介

Christoph Molnar克里斯托夫·莫爾納，可解釋機器學習研究員，目前在德國慕尼黑大學統計研究所攻讀博士學位，目標是讓機器學習模型的決策更容易被人類理解。著作Interpretable Machine Learning 受到業界高度關注。

目錄

第1章 引言
1 1 故事時間
1 1 1 閃電不會擊中兩次
1 1 2 信任跌落
1 1 3 費米回形針
1 2 什麼是機器學習
1 3 術語
第2章 可解釋性
2 1 可解釋性的重要性
2 2 可解釋性方法分類
2 3 可解釋性的範圍
2 3 1 演算法透明度
2 3 2 全局、整體模型的可解釋性
2 3 3 模型層面的全局模型可解釋性
2 3 4 單個預測的局部可解釋性
2 3 5 一組預測的局部可解釋性
2 4 評估可解釋性
2 5 解釋的特性
2 6 人性化的解釋
2 6 1 什麼是解釋
2 6 2 什麼是好的解釋
第3章 數據集
3 1 自行車租賃（回歸）
3 2 YouTube垃圾評論（文本分類）
3 3 宮頸癌風險因素（分類）
第4章 可解釋模型
4 1 線性回歸
4 1 1 解釋
4 1 2 示例
4 1 3 可視化解釋
4 1 4 解釋單個預測
4 1 5 分類特徵編碼
4 1 6 線性模型能創造出好的解釋嗎
4 1 7 稀疏線性模型
4 1 8 優點
4 1 9 缺點
4 2 邏輯回歸
4 2 1 線性回歸用於分類存在的問題
4 2 2 理論
4 2 3 解釋
4 2 4 示例
4 2 5 優點和缺點
4 2 6 軟體
4 3 廣義線性模型、廣義加性模型及其他
4 3 1 非高斯結果——廣義線性模型
4 3 2 交互作用
4 3 3 非線性效應——廣義加性模型
4 3 4 優點
4 3 5 缺點
4 3 6 軟體
4 3 7 進一步擴展
4 4 決策樹
4 4 1 解釋
4 4 2 示例
4 4 3 優點
4 4 4 缺點
4 4 5 軟體
4 5 決策規則
4 5 1 從單一特徵學習規則
4 5 2 順序覆蓋
4 5 3 貝葉斯規則列表
4 5 4 優點
4 5 5 缺點
4 5 6 軟體和替代方案
4 6 RuleFit
4 6 1 解釋和示例
4 6 2 理論
4 6 3 優點
4 6 4 缺點
4 6 5 軟體和替代方案
4 7 其他可解釋模型
4 7 1 樸素貝葉斯分類器
4 7 2 k近鄰法
第5章 模型不可知方法
第6章 基於樣本的解釋
第7章 全局模型不可知方法
7 1 部分依賴圖
7 1 1 基於部分依賴圖的特徵重要性
7 1 2 示例
7 1 3 優點
7 1 4 缺點
7 1 5 軟體和替代方案
7 2 累積局部效應圖
7 2 1 動機和直覺
7 2 2 理論
7 2 3 估算
7 2 4 示例
7 2 5 優點
7 2 6 缺點
7 2 7 軟體與替代方案
7 3 特徵交互作用
7 3 1 特徵交互概念
7 3 2 理論：弗里德曼的H統計量
7 3 3 示例
7 3 4 優點
7 3 5 缺點
7 3 6 實現
7 3 7 替代方案
7 4 函數分解
7 4 1 如何不計算分量I
7 4 2 函數分解
7 4 3 如何不計算分量II
7 4 4 函數ANOVA
7 4 5 依賴特徵的廣義函數ANOVA
7 4 6 累積局部效應圖
7 4 7 統計回歸模型
7 4 8 錦上添花：部分依賴圖
7 4 9 優點
7 4 10 缺點
7 5 置換特徵重要性
7 5 1 理論
7 5 2 應該在訓練數據還是測試數據上計算重要性
7 5 3 示例和解釋
7 5 4 優點
7 5 5 缺點
7 5 6 替代方案
7 5 7 軟體
7 6 全局代理模型
7 6 1 理論
7 6 2 示例
7 6 3 優點
7 6 4 缺點
7 6 5 軟體
7 7 原型和批評
7 7 1 理論
7 7 2 示例
7 7 3 優點
7 7 4 缺點
7 7 5 軟體和替代方案
第8章 局部模型不可知方法
8 1 個體條件期望
8 1 1 示例
8 1 2 優點
8 1 3 缺點
8 1 4 軟體和替代方案
8 2 局部代理模型
8 2 1 表格數據的局部代理模型
8 2 2 文本的局部代理模型
8 2 3 圖像的局部代理模型
8 2 4 優點
8 2 5 缺點
8 3 反事實解釋
8 3 1 生成反事實解釋
8 3 2 示例
8 3 3 優點
8 3 4 缺點
8 3 5 軟體和替代方案
8 4 範圍規則（錨點）
8 4 1 尋找錨點
8 4 2 複雜性和運行時間
8 4 3 表格數據示例
8 4 4 優點
8 4 5 缺點
8 4 6 軟體和替代方案
8 5 Shapley值
8 5 1 總體思路
8 5 2 示例和解釋
8 5 3 Shapley值詳解
8 5 4 優點
8 5 5 缺點
8 5 6 軟體和替代方案
8 6 SHAP
8 6 1 定義
8 6 2 KernelSHAP
8 6 3 TreeSHAP
8 6 4 示例
8 6 5 SHAP特徵重要性
8 6 6 SHAP概要圖
8 6 7 SHAP依賴關係圖
8 6 8 SHAP交互作用值
8 6 9 聚類Shapley值
8 6 10 優點
8 6 11 缺點
8 6 12 軟體
第9章 神經網路可解釋性
9 1 學習特徵
9 1 1 特徵可視化
9 1 2 網路剖析
9 1 3 優點
9 1 4 缺點
9 1 5
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。