铜灵 发自 凹非寺

量子位 出品 | 公众号 QbitAI

最近，这本【běn】名为《可【kě】解释性的机器学【xué】习【xí】》书在推特【tè】火了起来，两天内【nèi】2千多【duō】人点赞，将近700人转发。

作【zuò】者【zhě】Christoph Molnar介绍说，这【zhè】是一本关于黑盒模型可解释性的理解指南，用时【shí】两年完成，全书共250多页，七万八千多【duō】字【zì】。

好消息，这本《可解释性的机器学习》全书电子版现在【zài】可【kě】以在线预览了。Molnar在推特上【shàng】解释【shì】，你【nǐ】可【kě】以自己【jǐ】选【xuǎn】择为这本书支付多少钱【qián】，不掏【tāo】腰包【bāo】也没什么，免【miǎn】费版本也将一直提供。

一起来看看内容——

内容有啥？

这本书共分为10个章【zhāng】节，从什么是机器学习和可解释的【de】定【dìng】义解释，到模型【xíng】的常用解释方【fāng】法和基于【yú】示例的解释，再到机【jī】器学习与可解释性的未来【lái】，内【nèi】容一【yī】气呵成【chéng】。

“可解【jiě】释”是这本书【shū】的【de】核心论题，作者认【rèn】为【wéi】，可解释性在机【jī】器学习甚【shèn】至日常生【shēng】活中【zhōng】都是相当重要的一个问题。

Molnar表【biǎo】示，虽然数【shù】据集与黑盒机【jī】器学习【xí】解决了很多问题，但这【zhè】不是最好的使用姿势，现在模【mó】型【xíng】本身代替了数据成为了信息的来【lái】源，但【dàn】可解释性可以【yǐ】提取【qǔ】模型捕【bǔ】捉【zhuō】到的额外信息。

而这些额外的信息可能会发挥更大的作用。

举个例子，自【zì】动驾驶【shǐ】汽车通过深度学习系统自动【dòng】检测【cè】骑自行车的人，如果【guǒ】你想【xiǎng】让模【mó】型正【zhèng】确率保持【chí】在100%，必【bì】须了解其背后的解释【shì】：哦，原来模型识【shí】别的是自行车的两个轮【lún】子，所以对于自行车边【biān】缘被遮挡的情况还要进行【háng】进【jìn】一步【bù】优化。

此外，当我们的日常【cháng】生【shēng】活中全都是机器和【hé】算法时，需【xū】要【yào】可解释性来增加社会的接受度。这倒是也【yě】不难理解【jiě】，要是【shì】连科学家都有研究不透“黑盒”，怎样让【ràng】普通人完全信【xìn】任模【mó】型【xíng】做出的【de】决策呢？

所以Molnar认为，“解释”还是一个社会过程，拉进人类与机器的距离。

模型的可解释性

对于机【jī】器学习方【fāng】法可解释性，Molnar在书中进行了深刻的【de】讨论，对线性回归【guī】、logistic回【huí】归、GLM、GAM、决策树、决策规【guī】则等可【kě】解释模型进行了【le】细致【zhì】说明。

在线性回归的解【jiě】释【shì】中，Molnar认为【wéi】线性回归模【mó】型中权【quán】重的【de】解释取【qǔ】决于相应特征的【de】类型，比如数字特征、二【èr】进制功能、具有多个【gè】类别的分类功能等，都对理解线性【xìng】回归有【yǒu】帮助【zhù】。

在这本书中，Molnar还内置很多【duō】解释模型各种方法的模板，方便你速查时使用【yòng】。比如如果你想【xiǎng】解释线性回归模【mó】型中的特【tè】征，直接去套用【yòng】模【mó】板就【jiù】可以【yǐ】了。

Molnar认为，在【zài】机器学习任务中，应该将【jiāng】研【yán】究重【chóng】点放在【zài】与【yǔ】模【mó】型无关的可解释性工具上，在未来机器学习就是一个自动【dòng】化【huà】的训练【liàn】过【guò】程。

关【guān】于可解【jiě】释性的【de】未来【lái】，作为还做出了预测，认为在以后的研究中机器人和【hé】程【chéng】序将【jiāng】尝试去解释自己。有【yǒu】趣值Max。

书中还有很多精彩内容，就等你前往阅读了。

“Wow！”

《可解【jiě】释的机器学习》电子版放出后，网友纷纷竖起【qǐ】大拇指，高【gāo】呼【hū】“感谢作【zuò】者【zhě】”。

“这【zhè】本书真令我大开眼界”、“神奇的书”、“出色的解释”……网【wǎng】友的好评声在评论区蔓延。

网【wǎng】友@mspitzer243表示，感谢作者【zhě】贡献【xiàn】了这本书，也感【gǎn】谢在【zài】iml包中提供的很多【duō】技术实现。这本书帮助自【zì】己很【hěn】多，对可【kě】解释【shì】性有了更深的理解，甚至还激励自己开【kāi】始写博客文【wén】章【zhāng】了。

还不来收藏围观一下？

最后，附电子书地址：

https://christophm.github.io/interpretable-ml-book/index.html

— 完 —

诚挚招聘

量子【zǐ】位正【zhèng】在招募编辑/记者，工作地点在北京中【zhōng】关村。期待有才气【qì】、有热【rè】情的同【tóng】学加入【rù】我们！相关细节，请在量子【zǐ】位公众号(QbitAI)对话界【jiè】面，回复“招【zhāo】聘【pìn】”两【liǎng】个字【zì】。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

标签： #wow243数据库