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:
本店所有商品

  • [M]可解释机器学习 黑盒模型可解释性理解指南(第2版)-9787121490149
  • 本书获得了众多专家的推荐或权威评价,许多业内人士和读者纷纷表示它是一部不可错过的佳作。
    • 作者: (德)ChristophMolnar(克里斯托夫·莫尔纳)著 | | 郭涛译
    • 出版社: 电子工业出版社
    • 出版时间:2024-10-01 00:00:00
    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:
    儒源图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: (德)ChristophMolnar(克里斯托夫·莫尔纳)著| 郭涛译
    • 出版社:电子工业出版社
    • 出版时间:2024-10-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2024-11-01
    • 页数:272
    • 开本:其他
    • 装帧:平装
    • ISBN:9787121490149
    • 国别/地区:中国
    • 版权提供:电子工业出版社
    机器学习虽然在改进产品性能、产品流程和推进研究方面有很大的潜力,但仍面临一大障碍――计算机无法解释其预测结果。因此,本书旨在阐明如何使机器学习模型及其决策具有可解释性。本书探索了可解释性的概念,介绍了许多简单的可解释模型,包括决策树、决策规则和线性回归等。本书的重点是模型不可知方法,用于解释黑盒模型(如特征重要性和累积局部效应),以及用Shapley 值和局部代理模型解释单个实例预测。此外,本书介绍了深度神经网络的可解释性方法。本书深入解释并批判性地讨论所有的可解释方法,如它们在黑盒下的运作机制,各自的优缺点,如何解释它们的输出结果。本书将帮助读者选择并正确应用最适用于特定机器学习项目的解释方法。本书适合机器学习从业者、数据科学家、统计学家及任何对机器学习模型可解释性感兴趣的读者阅读。

    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