返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 正版新书]可解释机器学习 模型、方法与实践索信达控股 等978711
  • 全店均为全新正版书籍,欢迎选购!新疆西藏青海(可包挂刷).港澳台及海外地区bu bao快递
    • 作者: 索信达控股 等著 | 索信达控股 等编 | 索信达控股 等译 | 索信达控股 等绘
    • 出版社: 机械工业出版社
    • 出版时间:2022-01-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    君凤文轩图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 索信达控股 等著| 索信达控股 等编| 索信达控股 等译| 索信达控股 等绘
    • 出版社:机械工业出版社
    • 出版时间:2022-01-01
    • 版次:1
    • 印次:1
    • 页数:232
    • 开本:32开
    • ISBN:9787111695714
    • 版权提供:机械工业出版社
    • 作者:索信达控股 等
    • 著:索信达控股 等
    • 装帧:平装
    • 印次:1
    • 定价:79
    • ISBN:9787111695714
    • 出版社:机械工业出版社
    • 开本:32开
    • 印刷时间:暂无
    • 语种:暂无
    • 出版时间:2022-01-01
    • 页数:232
    • 外部编号:党庄B170816
    • 版次:1
    • 成品尺寸:暂无

    前言

    部分 背景

    章 引言

    1.1 可解释机器学习研究背景

    1.1.1 机器学习面临的挑战

    1.1.2 黑盒模型存在的问题

    1.2 模型可解释性的重要性

    1.3 国内外的模型监管政策

    1.4 本章小结

    第2章 可解释机器学习

    2.1 模型的可解释性

    2.1.1 可解释性的定义

    2.1.2 可解释性的分类

    2.1.3 可解释机器学习的研究方向

    2.2 可解释性的作用

    2.2.1 产生信任

    2.2.2 提供因果关系依据

    2.2.3 帮助模型诊断

    2.2.4 安全使用模型

    2.2.5 避免发生偏见与歧视

    2.3 可解释性的实现

    2.3.1 建模前的可解释性实现

    2.3.2 建模中的可解释性实现

    2.3.3 建模后的可解释性实现

    2.4 本章小结

    第二部分 理论

    第3章 内在可解释机器学习模型

    3.1 传统统计模型

    3.1.1 线性回归

    3.1.2 广义线性模型

    3.1.3 广义加性模型

    3.1.4 决策树

    3.2 EBM模型

    3.2.1 模型定义

    3.2.2 识别二阶交互项

    3.2.3 实现算法

    3.2.4 模型解释性

    3.2.5 模型的优势与不足

    3.3 GAMI-Net模型

    3.3.1 模型定义

    3.3.2 GAMI-Net的3个重要准则

    3.3.3 实现算法

    3.3.4 模型解释性

    3.3.5 模型的优势与不足

    3.4 RuleFit模型

    3.4.1 模型定义

    3.4.2 规则提取

    3.4.3 实现算法

    3.4.4 模型解释性

    3.4.5 模型的优势与不足

    3.5 Falling Rule Lists模型

    3.5.1 模型定义

    3.5.2 模型参数估计

    3.5.3 实现算法

    3.5.4 模型解释性

    3.5.5 模型的优势与不足

    3.6 GAMMLI模型

    3.6.1 传统推荐算法的不足

    3.6.2 交互项效应拟合方法

    3.6.3 自适应软填充

    3.6.4 模型解释性

    3.6.5 模型的优势与不足

    3.7 本章小结

    第4章 复杂模型事后解析方法

    4.1 部分依赖图

    4.1.1 部分依赖函数

    4.1.2 估计方法

    4.1.3 部分依赖图的局限

    4.1.4 个体条件期望图

    4.1.5 实例演示

    4.2 累积局部效应图

    4.2.1 从部分依赖图到累积局部效应图

    4.2.2 累积局部效应方程

    4.2.3 实例演示

    4.2.4 ALE方法的优劣

    4.3 LIME事后解析方法

    4.3.1 局部代理模型

    4.3.2 LIME方法的基本流程

    4.3.3 LIME方法的解释

    4.3.4 LIME方法的优劣

    4.4 SHAP事后解析方法

    4.4.1 SHAP的基本思想

    4.4.2 Shapley Value

    4.4.3 SHAP的实现算法

    4.4.4 SHAP方法的解释

    4.4.5 SHAP方法的优劣

    4.4.6 扩展阅读

    4.5 本章小结

    第三部分 实例

    第5章 银行VIP客户流失预警及归因分析

    5.1 案例背景

    5.2 数据介绍

    5.3 建模分析

    5.3.1 目标定义

    5.3.2 数据处理

    5.3.3 模型构建

    5.3.4 流失归因

    5.4 营销建议

    5.5 代码展示

    5.6 本章小结

    第6章 银行个人客户信用评分模型研究

    6.1 案例背景

    6.2 数据介绍

    6.3 建模分析

    6.3.1 目标定义

    6.3.2 数据处理

    6.3.3 模型构建

    6.4 三种方法对比

    6.5 代码展示

    6.6 扩展思考:基于规则的特征衍生

    6.7 本章小结

    第7章 银行理财产品推荐建模分析

    7.1 场景介绍

    7.1.1 推荐系统

    7.1.2 银行中的推荐系统

    7.2 数据介绍

    7.2.1 推荐场景数据特点

    7.2.2 Santander数据集

    7.3 建模分析

    7.3.1 数据处理

    7.3.2 模型构建

    7.3.3 模型结果评估

    7.4 案例分析

    7.5 本章小结


    1、涵盖了可解释机器学习zui前沿的研究成果及行业成功应用经验。
    2、从算法层面系统地梳理了可解释机器学习技术的研究体系,脉络清晰,层层递进。
    3、书中除详尽阐述了各种经典算法的原理外,还辅以数据、代码实例演示算法实现的步骤,是一本理论与实践相结合的实用指南。
    4、提供了可解释机器学习应用于银行业务场景的实际案例,让读者身临其境,充分理解可解释机器学习是如何解决现实问题的。
    5、涵盖了金融科技领域新的技术应用成果,对金融机构数字化建设有重要的参考价值。

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购