Tongling non Temple du fond de l'évidement
Qubit produit | Numéro public QbitAI
Récemment, ce livre appelé « de l'apprentissage machine interprétabilité » livre sur Twitter feu, pouces jusqu'à plus de 2000 personnes en deux jours, près de 700 personnes à terme.
Auteur Christoph Molnar a dit que c'est un guide pour comprendre le modèle de boîte noire interprétabilité, lorsque deux ans pour terminer avec le livre est plus de 250 pages, plus de soixante-dix-huit mille mots.
Les bonnes nouvelles, cette « machine learning interprétabilité » version électronique du livre est maintenant disponible en ligne aperçu. Molnar a expliqué sur Twitter, vous pouvez choisir le montant à payer pour le livre, rien de poche, La version gratuite sera également disponible jusqu'à .
Jetez un oeil à le contenu -
Alors, quel est le contenu?
Le livre est divisé en 10 chapitres, de la définition de ce qui est l'apprentissage de la machine et interpréter interprétables, les méthodes d'interprétation utilisées pour modèle et explication par exemple, à l'apprentissage de la machine et l'intelligibilité du contenu futur d'un seul coup.
« Interprété » est la thèse principale de ce livre, les auteurs croient, peut être un problème dans la machine d'apprentissage la vie interprétative et même tous les jours est très important.
Molnar a déclaré que, bien que l'ensemble de données avec la machine-boîte noire apprendre à résoudre beaucoup de problèmes, mais ce n'est pas le meilleur usage des gestes, maintenant remplacé par le modèle de données lui-même est devenu une source d'information, mais il peut être extrait modèle explicatif capturé informations complémentaires .
Ces informations supplémentaires peuvent jouer un rôle plus important.
Par exemple, les véhicules autonomes par système d'apprentissage profond Détecte automatiquement le motard, si vous souhaitez modéliser le taux correct est resté à 100%, vous devez comprendre l'explication derrière elle: Oh, l'identification du modèle sont deux roues d'une bicyclette, Ainsi, pour le cas où la bicyclette est bloqué bords doit être optimisée.
De plus, lorsque notre vie quotidienne toute la machine à temps et les algorithmes doivent être explicites Augmenter l'acceptation sociale . Ceci est en effet pas difficile à comprendre, même si les scientifiques ne sont pas étudier à fond la « boîte noire », de sorte que les gens ordinaires comment faire un modèle de décision tout à fait confiance?
Alors Molnar croit, « expliquer » ou un processus social, tirer dans les humains à distance et machines.
modèle interprétabilité
Pour les méthodes d'apprentissage machine à interprétabilité, Molnar a eu une discussion profonde dans le livre, pour expliquer le modèle de régression linéaire, la régression logistique, GLM, GAM, arbres de décision, règles de décision et ainsi une explication détaillée.
Interprétation de régression linéaire, Molnar estime que les poids lourds dans le modèle de régression linéaire explique dépend du type de caractéristiques correspondantes, telles que la signature numérique, la fonction binaire, avec plusieurs catégories de classification, etc., sont utiles dans la régression linéaire compréhension.
Dans ce livre, Molnar a également construit beaucoup de Modèle de différentes méthodes de modèle d'interprétation , Facile à utiliser lorsque vous rapide. Par exemple, si vous voulez expliquer les caractéristiques du modèle de régression linéaire, appliquée directement sur le modèle sur elle.
Molnar croit dans les tâches d'apprentissage de la machine, la recherche doit se concentrer sur l'interprétation des outils de modèle indépendant, l'apprentissage de la machine est un processus automatisé de formation à l'avenir.
A propos de l'avenir de l'intelligibilité, ainsi que nous avons fait une prédiction que dans la recherche future et le programme du robot tentera de s'expliquer. Il est intéressant de valeur Max.
Le livre il y a beaucoup de contenu passionnant, vous allez à la lecture.
"Wow!"
après la version électronique de la version « machine learning interprétable », les utilisateurs ont pouces vers le haut, en criant: « remercier l'auteur. »
« Ce livre est vraiment une révélation », « livre magique », « excellente interprétation » ...... son de louange aux utilisateurs de propagation dans la zone de commentaires.
L'utilisateur @ mspitzer243 a remercié les auteurs ont contribué à ce livre, mais aussi grâce à la mise en uvre de nombreux paquet IML fourni la technologie. Ce livre est beaucoup à aider eux-mêmes, d'avoir une compréhension plus profonde interprétabilité, et même vous inciter à commencer à écrire un billet de blog.
Pour ne pas foule sur la collection?
Enfin, E-book adresse :
https://christophm.github.io/interpretable-ml-book/index.html
- complet -
recrutement sincère
Qubits recrutent éditeur / journaliste, basé à Zhongguancun de Beijing. Nous attendons de talent, des étudiants enthousiastes de nous rejoindre! Détails, s'il vous plaît interface de dialogue qubit numéro public (QbitAI), réponse mot "recrutement".
qubit QbitAI · manchettes sur la signature de
' « suivre les nouvelles technologies AI dynamiques et de produits