《茶桁的 AI 秘籍》核心基础——目录
新专栏《AI秘籍》,你所感兴趣的一切
使用 CatBoost 实现分类特征的 SHAP
避免对分类特征的 SHAP 值进行后处理
可解释性与公平性的关系
可解释模型更有可能公平的三个原因
解释预测的艺术
如何以人性化的方式解释你的模型
良好功能的特征
为什么选择模型特征时预测能力并不是最重要的
查找并可视化非线性关系
使用部分依赖图 (PDP)、互信息和特征重要性分析非线性关系
什么是负责任的人工智能
拥有权利的同时也被赋予了重大的责任
GitEval — 预测你的 GitHub 个人资料的质量
使用机器学习来预测你是否擅长编码
我为何撰写有关人工智能和数据科学的文章
撰写人工智能文章的 6 大好处
什么是模型无关方法?
可以与任何模型一起使用的所有强大方法
茶桁
AI 游民
Shang Hai
文章
113
分类
2
标签
41
2024-10-12
AI 秘籍
2024-10-11
使用 Python 构建交互式图像标记器
2024-10-08
SHAP 的局限性
2024-10-04
什么是可解释人工智能:XAI
2024-10-01
使用 Seaborn 热图的 5 种方法(Python 教程)