2020年最佳機器學(xué)習(xí)書籍之一《可解釋機器學(xué)習(xí)》中文版來啦！
↑↑↑點擊上方藍字，回復(fù)資料，10個G的驚喜
說到機器學(xué)習(xí)，想必大家都不陌生。
機器學(xué)習(xí)是計算機基于數(shù)據(jù)做出和改進預(yù)測或行為的一套方法。
那什么是可解釋機器學(xué)習(xí)呢？
比如，我們通過機器學(xué)習(xí)的算法得到了某個結(jié)果，那這個結(jié)果是否是可信的呢？我們希望理解這個結(jié)果背后的原因。這就是可解釋機器學(xué)習(xí)要研究的問題。
如下圖所示，根據(jù)一般網(wǎng)絡(luò)給出的決策時，缺乏可解釋性的結(jié)果讓使用者感到困惑，嚴(yán)重限制了其在現(xiàn)實任務(wù)中的廣泛應(yīng)用。
雖然機器學(xué)習(xí)與人工智能的研究不斷取得了突破性進展，然而高性能的復(fù)雜算法、模型及系統(tǒng)普遍缺乏決策邏輯的透明度和結(jié)果的可解釋性，導(dǎo)致在涉及需要做出關(guān)鍵決策判斷的國防、金融、醫(yī)療、法律、網(wǎng)絡(luò)安全等領(lǐng)域或要求決策合規(guī)的應(yīng)用中，機器學(xué)習(xí)技術(shù)及系統(tǒng)難以大范圍應(yīng)用。
比如，醫(yī)生不能僅根據(jù)模型的分類置信度進行診斷，金融機構(gòu)不能僅憑借模型的輸出輕易判斷違約風(fēng)險，軍方不能僅依賴自動的圖像識別執(zhí)行打擊任務(wù)，安全公司也不能僅通過模型檢測結(jié)果完全自動化威脅響應(yīng)。
而可解釋機器學(xué)習(xí)主要研究如何使得機器學(xué)習(xí)系統(tǒng)的行為對人類更透明、更易懂、更可信，因此近年來逐漸成為研究熱點。
Gartner已將可解釋人工智能（XAI）技術(shù)列為數(shù)據(jù)和分析技術(shù)領(lǐng)域的TOP 10重要趨勢之一。
KDD、ICML、NIPS、AAAI及IJCAI等著名國際性會議都有覆蓋可解釋機器學(xué)習(xí)話題的Workshop。
由美國國防部資助的美國國防高級研究計劃局（DARPA）于2017年發(fā)起了XAI計劃，全面開展了對可解釋機器學(xué)習(xí)的研究。
2018年，歐洲委員會向歐洲議會、歐洲理事會等歐洲官方機構(gòu)發(fā)布的有關(guān)歐洲人工智能的函件中強調(diào)對可解釋機器學(xué)習(xí)的需求。
工業(yè)界方面，包括微軟、谷歌、Oracle等諸多科技巨頭，都在開展可解釋機器學(xué)習(xí)相關(guān)技術(shù)的研發(fā)。
《可解釋機器學(xué)習(xí)》（Interpretable Machine Learning）正是在這樣的背景下撰寫和出版的。
本書的作者Christoph Molnar是數(shù)據(jù)科學(xué)家和可解釋機器學(xué)習(xí)博士。
他用兩年時間完成本書第一版，隨機引起業(yè)界轟動，被FloydHub評定為2020年最佳機器學(xué)習(xí)書籍之一。
此外，本書還入選了美國斯坦福大學(xué)CS335課程教材。
該書作為可解釋機器學(xué)習(xí)領(lǐng)域的第一本著作，對可解釋機器學(xué)習(xí)的思想進行了解剖，并對可解釋機器學(xué)習(xí)的核心概念進行了清晰簡明的描述。同時，該書將可解釋機器學(xué)習(xí)算法的直觀描述、理論描述、實戰(zhàn)使用過程和優(yōu)缺點結(jié)合起來，從多維度幫助讀者理解算法，具有極強的實用價值。
在國內(nèi)，該書延續(xù)了在國際上的熱度和口碑。復(fù)旦大學(xué)朱明超對該書的初步翻譯譯本登上GitHub熱搜榜首，引起眾多關(guān)注。
朱明超在翻譯過程中和原作者進行了多次討論，經(jīng)過多次修改和打磨，已經(jīng)將該著作的思想和內(nèi)容以符合中國人理解的思維方式進行了高質(zhì)量的翻譯！中文版還得到了Christoph Molnar本人在Twiter上的推薦。
如今，本書中文版已經(jīng)上市，并受到讀者好評！
▼
希望這本書可以幫你獲得打開黑盒模型的魔法哦！
▊《可解釋機器學(xué)習(xí)：黑盒模型可解釋性理解指南》
[德] 克里斯托夫·莫爾納（Christoph Molnar） 著
朱明超 譯
打開AI黑盒，揭秘機器學(xué)習(xí)模型內(nèi)部機制
8種模型+13種方法，帶你跨入模型可解釋之門！
本書探索了可解釋性的概念，介紹了簡單的、可解釋的模型，例如決策樹、決策規(guī)則和線性回歸，重點介紹了解釋黑盒模型的、與模型無關(guān)的方法，如特征重要性和累積局部效應(yīng)，以及用Shapley值和LIME解釋單個實例預(yù)測。
本書對所有的解釋方法進行了深入說明和批判性討論，例如它們?nèi)绾卧诤诤邢鹿ぷ鳌⑺鼈兊膬?yōu)缺點是什么、如何解釋它們的輸出。本書將解答如何選擇并正確應(yīng)用解釋方法。本書的重點是介紹表格式數(shù)據(jù)的機器學(xué)習(xí)模型，較少涉及計算機視覺和自然語言處理任務(wù)。
（掃碼了解本書詳情）
也可以加一下老胡的微信 圍觀朋友圈~~~
推薦閱讀
（點擊標(biāo)題可跳轉(zhuǎn)閱讀）
【清華大學(xué)王東老師】現(xiàn)代機器學(xué)習(xí)技術(shù)導(dǎo)論.pdf
機器學(xué)習(xí)中令你事半功倍的pipeline處理機制
老鐵，三連支持一下，好嗎？↓↓↓