---

---

全名：可解释机器学习：黑盒模型可解释性理解指南
简介：机器学习虽然对改进产品性能和推进研究有很大的潜力，但无法对它们的预测做出解释，这是当前面临的一大障碍。本书是一本关于使机器学习模型及其决策具有可解释性的书。本书探索了可解释性的概念，介绍了简单的、可解释的模型，例如决策树、决策规则和线性回归，重点介绍了解释黑盒模型的、与模型无关的方法，如特征重要性和累积局部效应，以及用Shapley值和LIME解释单个实例预测。本书对所有的解释方法进行了深入说明和

---

目前呈现的是知搜为您找到有关可解释机器学习：黑盒模型可解释性理解指南的内容，该内容来源于：无名图书，如果您对内容有异议，请到实际提供内容的网站进行交涉。注意本站只是起到辅助搜索的工具，不提供任何实际内容，本工具初衷为帮助书籍爱好者花更少的时间找到想要的内容。

另外如果本内容无法满足您的需求，请查看下方的相似内容，也许有您需要的书籍。或者你也可以试试搜索 可解释机器学习：黑盒模型可解释性理解指南 或者搜索 [德] Christoph Molnar 可能有意想不到的结果。

---

前往目标站 违规举报