Python社区  »  机器学习算法

12月机器学习新书-《可解释机器学习局限性》最新版下载

深度学习与NLP • 4 月前 • 37 次点击  



    本书讲解了当前可解释机器学习方法中存在的局限性。这些方法包括partial dependence plots(PDP)、累积局部效应(Accumulated Local Effects,ALE)、排列特征重要性、leave-one-covariate out(LOCO)和局部可解释模型不可知解释(LIME)。所有这些方法都可以用来解释经过训练的机器学习模型表现,或预测机器学习模型表现。但是在以下情况下,这些解释方法可能不太有效:

    如果模型对交互进行建模(例如,当使用随机森林时)

    如果特征彼此紧密相关

    如果模型不能正确地模拟因果关系

    如果解释方法的参数设置不正确

    针对以上这些情况,本书进行了详细深入的分析并给出了一些解决办法。


    文末附本书最新版下载地址。


本书目录







本书最新版pdf下载

    微信公众号“深度学习与NLP”回复关键字“exp19”获取下载地址。







往期精品内容推荐

自然语言处理深度生成模型相关资源、会议和论文分享

精品教材-中文版《Tensorflow内核剖析》分享

中文版新书《动手学深度学习》pdf免费分享

机器学习圣经《模式识别与机器学习(PRML)-2018》pdf分享

DeepMind-1123-深度学习与强化学习高阶课程分享(带中英文字幕)

机器学习泰斗- Michael I.Jordan-机器学习前景与挑战

好书推荐-《深度学习基础-构建下一代机器学习算法》免费下载

可推理神经网络模型-Christopher Manning

吴恩达-中文完整版《Mechine Learning Yearning》分享

2018-CUDA编程精品教材分享《基于GPU-多核-集群等并行化编程》

-《Pro Deep Learning with TensorFlow》分享




扫描下方二维码可以订阅哦!

DeepLearning_NLP


深度学习与NLP



       商务合作请联系微信号:lqfarmerlq

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/126070
 
37 次点击  
分享到微博