interpretable ml book
Second Edition
解釋機器學習模型的決策和行為。
您可以在此處找到本書的當前版本：https：//christophm.github.io/interpretable-ml-book/
這本書是關於可解釋的機器學習。機器學習已建立在我們日常生活的許多產品和過程中，但是機器做出的決定並不能自動提供解釋。解釋增加了對決策和機器學習模型的信任。作為算法的程序員，您想知道您是否可以信任學習的模型。它學習了可推廣的功能嗎？還是算法拾取的訓練數據中有一些奇怪的工件？這本書將概述有關可用於使黑匣子盡可能透明的技術並解釋決策的概述。在第一章中，產生簡單，可解釋的模型的算法以及指令如何解釋輸出。後面的章節著重於分析複雜模型及其決策。在理想的未來，機器將能夠解釋他們的決定，並過渡到算法時代更人性化。這些書建議用於機器學習從業人員，數據科學家，統計學家，以及決定使用機器學習和智能算法的利益相關者。
這本書是從主分支自動構建的，並通過GitHub Action推到GHPAGES。
看看如何貢獻
克隆存儲庫。
git clone [email protected]:christophM/interpretable-ml-book.git
確保已安裝本書的所有依賴項。本書具有R軟件包的結構，因此可以輕鬆安裝依賴項，只需要R，並且需要DevTools庫。在書籍存儲庫的文件夾中啟動R會話，然後鍵入：
devtools::install_deps()
要渲染這本書，請啟動R會話並輸入：
setwd("manuscript")
# first, generate the references
source("../scripts/references.R")
bookdown::render_book('.', 'bookdown::gitbook')
渲染後，本書的HTML文件將在“ _Book”文件夾中。您可以雙擊index.html，或者當然可以在r：
browseURL('_book/index.html')
兩者都適用於LeanPub和預訂的東西：
[text of the link](#tag-of-the-title)來引用章節[text of the link](#fig:tag-of-r-chunk-that-produced-figure)$ （內聯）或$$ （額外的行）開始和結束數學表達式。將使用RegexPR自動更改LeanPub。轉換腳本僅在公式中沒有空的空格時起作用。[^ref-tag]並且必須在相應文件的末尾使用[^ref]: Details of the reference ...確保包括空間。參考文獻以10- reference.rmd收集，並帶有腳本參考。r。確保不使用[^ref-tag]:文本中的任何地方，僅在底部以供實際參考。用額外的線間距進行校對的打印：構建HTML書籍，轉到手稿/_Book/libs/gitbook*/css/style.css，更改線路高：1.7到線路高點：2.5，2.5，用Chrome打開本地HTML ，用Chrome打開，打印到具有自定義保證金的PDF。
本書的所有值得注意的更改將在此處記錄。
