Описание
Интерпретируемое машинное обучение — это книга, посвященная тому, чтобы сделать модели машинного обучения и их решения интерпретируемыми. Книга затрагивает общую проблему, когда компьютеры не объясняют свои предсказания, что может привести к проблемам с доверием и незамеченным ошибкам. Она исследует концепции интерпретируемости и вводит простые модели, такие как деревья решений и линейная регрессия. Основное внимание уделяется методам, не зависящим от модели, таким как LIME и значения Шепли для объяснения отдельных предсказаний, а также важности признаков по перестановке для понимания общих взаимосвязей между признаками и предсказаниями. Книга также охватывает методы, специфические для глубоких нейронных сетей.
Каждый метод интерпретации объясняется подробно, обсуждая, как они работают, их сильные и слабые стороны, а также как их интерпретировать. Это позволяет читателям выбрать и применить наиболее подходящий метод интерпретации для своих приложений машинного обучения. Книга рекомендуется практикам машинного обучения, ученым-данным, статистикам и всем, кто интересуется интерпретируемостью моделей.
Автор, Кристоф Мольнар, начал писать книгу как побочный проект, работая статистиком. Удивленный отсутствием всеобъемлющих ресурсов по этой теме, он создал эту книгу, чтобы углубить свои знания и поделиться инсайтами. Книга стала основным ресурсом, на который ссылаются исследователи и который используют студенты и преподаватели. Она также стала основополагающей в карьере автора, вдохновив его на получение степени доктора философии и его работу как писателя и консультанта.
В 3-м издании представлены обновления, такие как новые главы о LOFO и Ceteris Paribus, реорганизованные введения, более глубокие примеры данных и практические советы. Книга лицензирована по лицензии CC BY-NC-SA 4.0.
О книге
Охватывает методы, не зависящие от модели
Включает методы для глубоких нейронных сетей
Объясняет LIME и значения Шепли
Обсуждает важность признаков по перестановке
Предоставляет критическое обсуждение методов
Подходит для практиков и исследователей
3-е издание включает новые главы
Лицензировано по CC BY-NC-SA 4.0
Для кого эта книга
- Интерпретируемость моделей
- Образование в области науки о данных
- Цитирование в исследованиях
- Применение в индустрии
- Консалтинг
