點擊上方“AI有道”，選擇“星標”公眾號

重磅干貨，第一時間送達

12 月 9 日，一本機器學習新書上線了，它就是《Limitations of Interpretable Machine Learning Methods》，中文譯為《可解釋機器學習方法的局限性》。

書籍簡介：

這本書主要解釋了當前可解釋機器學習方法的局限性。這些方法包括部分相關圖（PDP）、累積局部效應（ALE）、排列特征重要性、保留一個協(xié)變量（LOCO）和局部可解釋模型不可知解釋（LIME）。所有這些方法都可以用來解釋經(jīng)過訓練的機器學習模型的行為和預測。但是，在以下情況下，解釋方法可能無法很好地工作：

• 如果模型交互式建模（例如使用隨機森林算法）

• 如果特征之間有很強的相關性

• 如果模型不能正確地模擬因果關系

• 如果解釋方法的參數(shù)設置不正確

本書是 2019 年夏天在慕尼黑大學統(tǒng)計系舉辦的“可解釋機器學習的局限性”研討會的成果，可謂是一份精華總結(jié)。

目錄：

這本書總共有 254 頁，包含 14 章內(nèi)容：

在線閱讀：

這本《可解釋機器學習方法的局限》也可以在線閱讀，在線網(wǎng)址為：

https://compstat-lmu.github.io/iml_methods_limitations/

這份在線閱讀網(wǎng)址非常友好，頂部的菜單欄可為讀者提供搜索、更改字體、編輯、下載等功能，非常方便。

附加資源：

我在公眾號曾經(jīng)發(fā)布過另一份關于可解釋機器學習的書籍，這本書的重點是表格式數(shù)據(jù)（也稱為關系數(shù)據(jù)或結(jié)構化數(shù)據(jù)）的機器學習模型，而不是計算機視覺和自然語言處理任務。對于機器學習實踐者、數(shù)據(jù)科學家、統(tǒng)計學家以及任何其他對機器學習模型的解釋感興趣的人，推薦閱讀本書。

請戳鏈接：《可解釋機器學習》

最后，這本《可解釋機器學習方法的局限》提供 PDF 和 EPUB 兩種格式的下載。這里附上 PDF 版本的云盤鏈接：

https://pan.baidu.com/s/1Fskz_JGf5YE2ypj3k424bA?

提取碼：strg

---

推薦閱讀

（點擊標題可跳轉(zhuǎn)閱讀）

干貨 | 公眾號歷史文章精選

我的深度學習入門路線

我的機器學習入門路線圖

重磅！

林軒田機器學習完整視頻和博主筆記來啦！

掃描下方二維碼，添加?AI有道小助手微信，可申請入群，并獲得林軒田機器學習完整視頻 + 博主紅色石頭的精煉筆記（一定要備注：入群?+ 地點 + 學校/公司。例如：入群+上海+復旦。?

長按掃碼，申請入群

（添加人數(shù)較多，請耐心等待）

?

最新 AI 干貨，我在看?

總結(jié)

以上是生活随笔為你收集整理的12 月机器学习新书：《可解释机器学习方法的局限》，免费下载！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。