Explainable AI Recipes: Implement Solutions to Model Explainability and Interpretability with Python (2023) Автор: Pradeepta Mishra Количество страниц: 278 #python Книга начинается с интерпретации модели для линейных моделей контролируемого обучения, которая включает в себя важность признаков, анализ частичных зависимостей и анализ влиятельных точек данных для моделей классификации и регрессии. Далее рассказывается о контролируемом обучении с использованием нелинейных моделей и современных механизмах, таких как SHAP values/scores и LIME для локальной интерпретации. Объяснимость для моделей временных рядов рассматривается с использованием LIME и SHAP, также как и задачи, связанные с обработкой естественного языка, такие как классификация текстов и анализ настроений с помощью ELI5 и ALIBI. В конце книги рассматривается классификация сложных моделей и регрессионно-подобные нейронные сети и модели глубокого обучения с использованием фреймворка CAPTUM. Скачать книгу