最佳機(jī)器學(xué)習(xí)書(shū)籍之一《可解釋機(jī)器學(xué)習(xí)》中文版來(lái)啦?。ㄎ哪┝粞再?zèng)書(shū)）
說(shuō)到機(jī)器學(xué)習(xí)，想必大家都不陌生。
機(jī)器學(xué)習(xí)是計(jì)算機(jī)基于數(shù)據(jù)做出和改進(jìn)預(yù)測(cè)或行為的一套方法。
那什么是可解釋機(jī)器學(xué)習(xí)呢？
比如，我們通過(guò)機(jī)器學(xué)習(xí)的算法得到了某個(gè)結(jié)果，那這個(gè)結(jié)果是否是可信的呢？我們希望理解這個(gè)結(jié)果背后的原因。這就是可解釋機(jī)器學(xué)習(xí)要研究的問(wèn)題。
如下圖所示，根據(jù)一般網(wǎng)絡(luò)給出的決策時(shí)，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(shí)任務(wù)中的廣泛應(yīng)用。
雖然機(jī)器學(xué)習(xí)與人工智能的研究不斷取得了突破性進(jìn)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(guó)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(jī)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(lèi)置信度進(jìn)行診斷，金融機(jī)構(gòu)不能僅憑借模型的輸出輕易判斷違約風(fēng)險(xiǎn)，軍方不能僅依賴(lài)自動(dòng)的圖像識(shí)別執(zhí)行打擊任務(wù)，安全公司也不能僅通過(guò)模型檢測(cè)結(jié)果完全自動(dòng)化威脅響應(yīng)。
而可解釋機(jī)器學(xué)習(xí)主要研究如何使得機(jī)器學(xué)習(xí)系統(tǒng)的行為對(duì)人類(lèi)更透明、更易懂、更可信，因此近年來(lái)逐漸成為研究熱點(diǎn)。
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(shì)之一。
KDD、ICML、NIPS、AAAI及IJCAI等著名國(guó)際性會(huì)議都有覆蓋可解釋機(jī)器學(xué)習(xí)話題的Workshop。
由美國(guó)國(guó)防部資助的美國(guó)國(guó)防高級(jí)研究計(jì)劃局（DARPA）于2017年發(fā)起了XAI計(jì)劃，全面開(kāi)展了對(duì)可解釋機(jī)器學(xué)習(xí)的研究。
2018年，歐洲委員會(huì)向歐洲議會(huì)、歐洲理事會(huì)等歐洲官方機(jī)構(gòu)發(fā)布的有關(guān)歐洲人工智能的函件中強(qiáng)調(diào)對(duì)可解釋機(jī)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(kāi)展可解釋機(jī)器學(xué)習(xí)相關(guān)技術(shù)的研發(fā)。
《可解釋機(jī)器學(xué)習(xí)》（Interpretable Machine Learning）正是在這樣的背景下撰寫(xiě)和出版的。
本書(shū)的作者Christoph Molnar是數(shù)據(jù)科學(xué)家和可解釋機(jī)器學(xué)習(xí)博士。
他用兩年時(shí)間完成本書(shū)第一版，隨機(jī)引起業(yè)界轟動(dòng)，被FloydHub評(píng)定為2020年最佳機(jī)器學(xué)習(xí)書(shū)籍之一。
此外，本書(shū)還入選了美國(guó)斯坦福大學(xué)CS335課程教材。
該書(shū)作為可解釋機(jī)器學(xué)習(xí)領(lǐng)域的第一本著作，對(duì)可解釋機(jī)器學(xué)習(xí)的思想進(jìn)行了解剖，并對(duì)可解釋機(jī)器學(xué)習(xí)的核心概念進(jìn)行了清晰簡(jiǎn)明的描述。同時(shí)，該書(shū)將可解釋機(jī)器學(xué)習(xí)算法的直觀描述、理論描述、實(shí)戰(zhàn)使用過(guò)程和優(yōu)缺點(diǎn)結(jié)合起來(lái)，從多維度幫助讀者理解算法，具有極強(qiáng)的實(shí)用價(jià)值。
在國(guó)內(nèi)，該書(shū)延續(xù)了在國(guó)際上的熱度和口碑。復(fù)旦大學(xué)朱明超對(duì)該書(shū)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(guò)程中和原作者進(jìn)行了多次討論，經(jīng)過(guò)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(guó)人理解的思維方式進(jìn)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(shū)中文版已經(jīng)上市，并受到讀者好評(píng)！
▼
希望這本書(shū)可以幫你獲得打開(kāi)黑盒模型的魔法哦！
▊《可解釋機(jī)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(kāi)AI黑盒，揭秘機(jī)器學(xué)習(xí)模型內(nèi)部機(jī)制
8種模型+13種方法，帶你跨入模型可解釋之門(mén)！
本書(shū)探索了可解釋性的概念，介紹了簡(jiǎn)單的、可解釋的模型，例如決策樹(shù)、決策規(guī)則和線性回歸，重點(diǎn)介紹了解釋黑盒模型的、與模型無(wú)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(gè)實(shí)例預(yù)測(cè)。
本書(shū)對(duì)所有的解釋方法進(jìn)行了深入說(shuō)明和批判性討論，例如它們?nèi)绾卧诤诤邢鹿ぷ?、它們的?yōu)缺點(diǎn)是什么、如何解釋它們的輸出。本書(shū)將解答如何選擇并正確應(yīng)用解釋方法。本書(shū)的重點(diǎn)是介紹表格式數(shù)據(jù)的機(jī)器學(xué)習(xí)模型，較少涉及計(jì)算機(jī)視覺(jué)和自然語(yǔ)言處理任務(wù)。
（掃碼了解本書(shū)詳情）
我們將向讀者免費(fèi)贈(zèng)送3本《可解釋機(jī)器學(xué)習(xí)》，你只需要在評(píng)論區(qū)留言，并邀請(qǐng)好友為你點(diǎn)贊，其中集贊最多的3位讀者朋友將會(huì)獲得這本書(shū)！
獲獎(jiǎng)名額僅限3位！想要的朋友們加油集贊吧！
活動(dòng)截止時(shí)間：2021年4月20號(hào) 中午12點(diǎn)整
其他福利推薦閱讀
知識(shí)圖譜上的圖神經(jīng)網(wǎng)絡(luò)（文末留言贈(zèng)書(shū)） 聯(lián)邦學(xué)習(xí)，為何而生？（文末留言贈(zèng)書(shū)）
歡迎 在看丨留言丨分享至朋友圈 三連
