|
题名:
|
可解释机器学习 [ 专著] ke jie shi ji qi xue xi / 邵平[等]著 , |
|
ISBN:
|
978-7-111-69571-4 价格： CNY79.00 |
|
语种:
|
chi |
|
载体形态:
|
211页 图 21cm |
|
出版发行:
|
出版地： 北京 出版社： 机械工业出版社 出版日期： 2022.1 |
|
内容提要:
|
本书先从背景出发，阐述黑盒模型存在的问题以及不解决黑盒模型问题可能带来的后果，引出可解释机器学习的重要性；随后从可解释机器学习的研究方向，分为内在可解释模型算法和模型事后解析方法两部分进行介绍，阐述不同模型的原理、应用及其可解释性；最后通过三个不同的应用场景，介绍在银行实战中的数据挖掘方法，由问题、处理方法出发，结合可解释机器学习模型结果，证明模型的有效性和实用性。期望读者通过对本书的阅读，可以更快、更好地解决实际业务问题，而非纸上谈兵。业务场景均为业内的典型案例，希望能够对读者有所启发。 |
|
主题词:
|
机器学习 分析方法 |
|
中图分类法:
|
TP181-34 版次： 5 |
|
主要责任者:
|
邵平 shao ping 著 |
|
主要责任者:
|
杨建颖 yang jian ying 著 |
|
主要责任者:
|
苏思达 su si da 著 |
|
责任者附注:
|
邵平，资深数据科学家，索信达控股金融AI实验室总监。杨健颖，云南财经大学统计学硕士，高级数据挖掘工程师，一个对数据科学有坚定信念的追求者，目前重点研究机器学习模型的可解释性。苏思达，美国天普大学统计学硕士，机器学习算法专家，长期为银行提供大数据与人工智能解决方案和技术服务。 |
|
索书号:
|
3 |