科技 类型
8.2 豆瓣评分
可以朗读 语音朗读
118千字 字数
2021-11-01 发行日期
展开全部

主编推荐语

本书先从背景出发，阐述黑盒模型存在的问题以及不解决黑盒问题模型可能带来的后果，引出可解释机器学习的重要性。

内容简介

文中通过三个不同的应用场景，介绍在银行实战中的数据挖掘方法，由问题、处理方法出发，结合可解释机器学习模型结果，证明模型的有效性和实用性，期望读者通过对本书的阅读，可以更快更好的解决实际业务问题，而非纸上谈兵。

业务场景均为业内的典型案例，希望能够对读者有所启发。同时，本书中还会有大量的公式与代码，保证内容的丰富与严谨，经得起推敲，使得读者知其然且知其所以然。

目录

  • 版权信息
  • 本书的主要内容和特色
  • 作者介绍
  • 前言
  • 第一部分 背景
  • 第1章 引言
  • 1.1 可解释机器学习研究背景
  • 1.2 模型可解释性的重要性
  • 1.3 国内外的模型监管政策
  • 1.4 本章小结
  • 第2章 可解释机器学习
  • 2.1 模型的可解释性
  • 2.2 可解释性的作用
  • 2.3 可解释性的实现
  • 2.4 本章小结
  • 第二部分 理论
  • 第3章 内在可解释机器学习模型
  • 3.1 传统统计模型
  • 3.2 EBM模型
  • 3.3 GAMI-Net模型
  • 3.4 RuleFit模型
  • 3.5 Falling Rule Lists模型
  • 3.6 GAMMLI模型
  • 3.7 本章小结
  • 第4章 复杂模型事后解析方法
  • 4.1 部分依赖图
  • 4.2 累积局部效应图
  • 4.3 LIME事后解析方法
  • 4.4 SHAP事后解析方法
  • 4.5 本章小结
  • 第三部分 实例
  • 第5章 银行VIP客户流失预警及归因分析
  • 5.1 案例背景
  • 5.2 数据介绍
  • 5.3 建模分析
  • 5.4 营销建议
  • 5.5 代码展示
  • 5.6 本章小结
  • 第6章 银行个人客户信用评分模型研究
  • 6.1 案例背景
  • 6.2 数据介绍
  • 6.3 建模分析
  • 6.4 三种方法对比
  • 6.5 代码展示
  • 6.6 扩展思考：基于规则的特征衍生
  • 6.7 本章小结
  • 第7章 银行理财产品推荐建模分析
  • 7.1 场景介绍
  • 7.2 数据介绍
  • 7.3 建模分析
  • 7.4 案例分析
  • 7.5 本章小结
展开全部

评分及书评

评分不足
2个评分

出版方

机械工业出版社有限公司

机械工业出版社是全国优秀出版社，自1952年成立以来，坚持为科技、为教育服务，以向行业、向学校提供优质、权威的精神产品为宗旨，以“服务社会和人民群众需求，传播社会主义先进文化”为己任，产业结构不断完善，已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸，现已发展为多领域、多学科的大型综合性出版社，涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。