机读格式显示(MARC)

• 000 01624nam0 2200337 450

• 001 0000116088

• 005 20230305155900.0

• 010 __ |a 978-7-121-40606-5 |d CNY99.00

• 100 __ |a 20210331d2021 em y0chiy50 ea

• 101 1_ |a chi |c eng

• 102 __ |a CN |b 110000

• 105 __ |a ak az 000yy

• 106 __ |a r

• 200 1_ |a 可解释机器学习 |A Ke Jie Shi Ji Qi Xue Xi |e 黑盒模型可解释性理解指南 |d Interpretable machine learning |e a guide for making black box models interpretable |f (德)Christoph Molnar著 |g 朱明超译 |z eng

• 210 __ |a 北京 |c 电子工业出版社 |d 2021

• 215 __ |a XVI,,230页 |c 图 |d 24cm

• 300 __ |a 博文视点

• 305 __ |a 本书简体中文版专有出版权由ChChristoph Molnar授予电子工业出版社

• 314 __ |a 责任者Molnar规范汉译姓:莫尔纳

• 314 __ |a Christoph Molnar,可解释机器学习研究员,目前在德国慕尼黑大学统计研究所攻读博士学位,目标是让机器学习模型的决策更容易被人类理解。著作Interpretable Machine Learning受到业界高度关注。

• 320 __ |a 有书目(第227-230页)

• 330 __ |a 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。

• 510 1_ |a Interpretable machine learning : a guide for making black box models interpretable |z eng

• 517 1_ |a 黑盒模型可解释性理解指南 |9 hei he mo xing ke jie shi xing li jie zhi nan

• 606 0_ |a 机器学习 |A Ji Qi Xue Xi |x 分析方法 |x 研究

• 690 __ |a TP181-34 |v 5

• 690 __ |a TP181 |v 4

• 701 _1 |c (德) |a 莫尔纳 |A Mo Er Na |c (Molnar, Christoph) |4 著

• 702 _0 |a 朱明超 |A Zhu Ming Chao |4 译

• 801 _0 |a CN |b 池州新华 |c 20230301

• 905 __ |a CZGZ |d TP181/19