可解释的机器学习
前言
机器学习在改进产品，过程和研究方面具有巨大的潜力。但是，机器通常不会对其预测做出解释，这会损害信任，并为采用机器学习造成障碍。这本书是关于使机器学习模型及其决策可解释的。
机器学习模型已经被用来为您选择最佳的广告，它可以过滤掉您电子邮件中的垃圾邮件，甚至可以评估司法系统中的风险，最终可能会对您的自由产生影响。每个人都可以信任学习的模型吗？该模型在训练数据上可能表现良好，但是学习到的关联是否足够通用以传输到新数据？机器学习模型尽职尽责的训练数据中是否存在一些奇怪之处？本书将为您提供一些技术概述，您可以使用这些技术使黑匣子尽可能透明，并使它们的预测可解释。本书的第一部分介绍了简单易懂的模型以及如何进行解释的说明。后面的章节重点介绍与模型无关的通用工具，这些工具可帮助分析复杂模型并使其决策可解释。在理想的未来中，机器将能够解释他们的决定，而我们正在迈向的算法时代将尽可能地人性化。
本书推荐给机器学习从业者，数据科学家，统计学家以及其他对使机器决策更加人性化感兴趣的人。
题库