机器学习(Machine Learning)是让计算机从数据中学习以做出和改进预测(例如癌症,每周销售,信用违约)的一组方法。机器学习是一种从所有指令都必须提供给计算机的“正常编程”到只需要提供数据的“间接编程”转变的范式。 学习器(Learner)或者说机器学习算法(Machine Learning Algorithm)是指被用于从数据中学习出机器学习模型...
Kim, Been, Rajiv Khanna, and Oluwasanmi O. Koyejo. “Examples are not enough, learn to criticize! Criticism for interpretability.” Advances in Neural Information Processing Systems (2016). Doshi-Velez, Finale, and Been Kim. “Towards a rigorous science of interpretable machine learning,” no....
在探索了可解释性这个概念后,你将会学习到关于简单的、可解释模型比如:决策树,决策规则和线性回归。之后的章节里关注于一般的模型无关的方法来解释黑盒模型,比如特征重要性【例如:Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks,数据内部表示中的一部分表示相比其他表示更加transferrable,即这些表示...
之后的章节里关注于一般的模型无关的方法来解释黑盒模型,比如特征重要性【例如:Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks,数据内部表示中的一部分表示相比其他表示更加transferrable,即这些表示在其他任务分布p(T)中都具有广泛的适用性,而非只在一个任务中有效。】、累积的局部效应,以及用Shap...
In many scientific disciplines there is a change from qualitative to quantitative methods (e.g. sociology, psychology), and also towards machine learning (biology, genomics).科学的目标是获取知识,但是许多问题是由大数据集和黑盒机器学习模型解决的。模型本身成为知识的来源而不是数据。可解释性使得从模型获...
该书为《Interpretable Machine Learning》中文版,《Interpretable Machine Learning》是可解释性领域内的第一本著作,深受可解释机器学习研究者的喜爱,并被FloydHub评定为2020年世界最佳机器学习著作之一。该书原作者是 Christoph Molnar,他是一名数据科学家和可解释机器学习博士 @christophM。英文版的项目地址,这是一个很...
可解释性机器学习(Interpretable Machine Learning, IML)作为人工智能领域的一个重要分支,旨在让机器学习...
个人理解属于锦上添花可以探索性的做一下可能会有意外发现也可能没有发现甚至可能会引发奇怪的结果,甚至相互矛盾的结果,比如PDP、ALE结果不一致,不同模型的P重要性不一样……而这些奇怪的结果可能又会干扰判断、耗费精力所以对这块内容可以学会,至于如何用,怎么用,能否有用,弊大于利还是反之,自己衡量。看这块,我已...
commit 3年前 .DS_Store commit 3年前 LICENSE Initial commit 4年前 README.md commit 3年前 interpretable-machine-learning.pdf book 4年前 可解释的机器学习.pdf book 4年前 简介 《可解释的机器学习--黑盒模型可解释性理解指南》,该书为《Interpretable Machine Learning》中文版 ...
SHAP(SHapley Additive Explanations)是一种解释任何机器学习模型输出的博弈论方法。它利用经典的博弈论...