本文共 930 字,大约阅读时间需要 3 分钟。
公众号关注 “GitCube”
设为 “星标”,发现更多计算机优质资源!
大家好,我是小 G。
此前我们曾跟大家分享过一本机器学习相关的开源书籍:《Interpretable Machine Learning》,中文译名:《可解释的机器学习》。
该书由德国慕尼黑大学的一名博士 Christoph Molnar 耗时两年编著完成,全书共计 250 多页,7.8 万字,1000 多次提交。
2019 年 2 月的时候,作者在 Twitter 上正式对外宣布,免费开放全书内容,受到了业内开发者的一致赞赏。
这本书,也称得上是目前技术圈少有的,对机器学习可解释性作出完整诠释的精品书籍。
该书共分为以下 7 个章节,向读者完整介绍了机器学习的可解释性相关知识点:
第一章:前言
第二章:可解释性
第三章:数据集
第四章:可解释的模型
第五章:模型无关方法
第六章:基于样本的解释
第七章:水晶球
不过,国内不少开发者受限于其自身英文阅读水平,一直没有办法对该书进行系统化的学习。
因此,一位来自复旦大学的研究生朱明超对该书进行了翻译,并将其译文统一整理后放到了 GitHub 上。
目前,该书的中文版已正式翻译完毕,并在 Twitter 上得到了原作者的推荐。
感兴趣的同学,现在可以访问其中文版的项目链接,开始学起来了~
以下是该书籍的相关地址,小 G 简单整理了一下,以便大家更好的查看:
中文版:https://github.com/MingchaoZhu/InterpretableMLBook
英文版:https://christophm.github.io/interpretable-ml-book/index.html
GitHub:https://github.com/christophM/interpretable-ml-book
以上,便是今天的分享,希望大家喜欢,觉得内容不错的,欢迎点击「在看」支持,谢谢各位。
---另外,由 GitHubDaily 原班人马打造的公众号:GitCube,现已正式上线!接下来我们将会在该公众号上,为大家分享优质的计算机学习资源与开发者工具,坚持每天一篇原创文章的输出,感兴趣的小伙伴可以关注一下哈!
转载地址:http://yfvii.baihongyu.com/