給大家推薦一本書籍，需要的趕緊領取！！！
《可解釋機器學習》希望改變一直以來大家將機器學習模型視爲黑盒子的想法，在學會運用模型的同時更應去學會分析模型如何做出決策，並給出了將黑盒變得具有可解釋性的討論。
這本書的重點是機器學習的可解釋性。你將學習簡單的、可解釋的模型，如決策樹、決策規則和線性迴歸。後面幾章重點介紹瞭解釋黑箱模型的一般方法。對各種解釋方法進行了深入的解釋和批判性的討論。他們怎麼在引擎蓋下工作？他們的優點和缺點是什麼？如何解釋它們的輸出？本書將使您能夠選擇和正確應用最適合您的機器學習項目的解釋方法。
作者介紹：
這本書的作者是 Christoph Molnar，他是一名統計學家和機器學習者。當他在自己的社交平臺發佈出版這本《可解釋機器學習》的時候，受到了網友熱烈的反響和支持。
二、主要內容目錄
《可解釋機器學習》該書總共包含 7 章內容。章節目錄如下：
第一章：介紹
第二章：可解釋性
第三章：數據集
第四章：可解釋的模型
第五章：模型不可知論方法
第六章：基於實例的解釋
第七章：觀察水晶球
資源獲取
《可解釋機器學習》PDF已經打包好，可以通過下述步驟來獲取：
1. 掃描下方二維碼
2. 回覆關鍵詞：可解釋機器學習
????長按上方二維碼 2 秒
回覆「可解釋機器學習」即可獲取資料
（公衆號有大量Python，和AI相關資源，歡迎關注！）