可解释机器学习：黑盒模型可解释性理解指南

作者简介

Christoph Molnar，可解释机器学习研究员，目前在德国慕尼黑大学统计研究所攻读博士学位，目标是让机器学习模型的决策更容易被人类理解。著作Interpretable Machine Learning受到业界高度关注。
朱明超，就读于复旦大学计算机科学技术专业，热衷于知识推广，主要研究机器学习和模型可解释性。

内容简介