不公平的预测：机器学习中的 5 种常见偏见来源
历史偏见、代理变量、不平衡数据集、算法选择和用户反馈循环如何导致不公平的模型
文章
分析机器学习的公平性
进行探索性公平性分析，并使用平等机会、均等几率和不同影响来衡量公平性
使用 Python 创建你的第一个情绪分析模型
「AI秘籍」系列课程：
寻找并可视化交互
使用特征重要性、弗里德曼 H 统计量和 ICE 图分析相互作用 > > 本文中的代码需要安装 R 语言包
使用 Python 绘制美国选举分级统计图
如何创建美国选举结果的时间序列分级统计图 > > 数据地址为源地址，如果失效请与我联系。
机器学习中的可解释性
为什么我们需要了解模型如何进行预测
太多项会毁了回归
多项式回归的过度拟合及其避免方法
Interpretability 与 Explainability 机器学习
Interpretability 模型和 Explainability 模型之间的区别以及为什么它可能不那么重要
深度神经网络语言识别
使用 DNN 和字符 n-gram 对一段文本的语言进行分类（附 Python 代码）
使用 PCA 可视化数据的分类能力
使用 PCA 探索数据分类的效果（使用 Python 代码）