机读格式显示(MARC)
- 000 01819nam0 2200313 450
- 010 __ |a 978-7-111-69571-4 |d CNY79.00
- 100 __ |a 20211217d2022 em y0chiy50 ea
- 200 1_ |a 可解释机器学习 |A ke jie shi ji qi xue xi |e 模型、方法与实践 |d = Interpretable machine learning |e models, methods practices |f 邵平 ... [等] 著 |z eng
- 210 __ |a 北京 |c 机械工业出版社 |d 2022
- 215 __ |a xii, 211页, [8] 页图版 |c 图 (部分彩图) |d 21cm
- 304 __ |a 题名页题: 邵平, 杨建颖, 苏思达, 何悦, 苏钰等著
- 314 __ |a 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。
- 330 __ |a 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。
- 333 __ |a 本书适用于机器学习分析方法研究人员
- 510 1_ |a Interpretable machine learning |e models, methods practices |z eng
- 606 0_ |a 机器学习 |A ji qi xue xi |x 分析方法 |x 研究
- 701 _0 |a 邵平 |A shao ping |4 著
- 701 _0 |a 杨建颖 |A yang jian ying |4 著
- 701 _0 |a 苏思达 |A su si da |4 著
- 801 _0 |a CN |b SXDTDX |c 20240825
- 905 __ |a SXDTDX |d TP181/321