ShapML.jl:Julia包用于使用随机Shapley值进行可解释的机器学习源码

Name: ShapML.jl:Julia包用于使用随机Shapley值进行可解释的机器学习 源码
Rating: 4.5 (30 reviews)
Author: garden70001

上传者：garden70001 2021-03-02 14:42:42上传 ZIP文件 401KB 热度 30次

ShapML.jl:Julia包,用于使用随机Shapley值进行可解释的机器学习

下载地址

用户评论

更多下载

下载地址

立即下载

用户评论

ShapML.jl Julia包用于使用随机Shapley值进行可解释的机器学习源码

ShapML.jl:Julia包,用于使用随机Shapley值进行可解释的机器学习

大小：401KB | 2021-03-02 14:42:42
可解释机器学习

可解释机器学习，机器学习可解释性的最新研究，机器学习必备书籍，高清

大小：0B | 2019-06-05 06:37:06
LossFunctions.jl用于机器学习的Julia函数包源码

LossFunctions.jl:用于机器学习的Julia函数包

大小：70KB | 2021-02-21 17:24:29
可解释的机器学习

大小：0B | 2019-04-15 05:04:14
InterpretableMachineLearning可解释机器学习

ChristophMolnar在其新书中呼吁大家当前是时候停止将机器学习模型视为黑盒子，在学会运用模...

大小：0B | 2019-04-29 00:33:33
InterpretableMachineLearning可解释机器学习)

大小：0B | 2019-03-02 17:48:44
可解释的机器学习翻译

可解释的机器学习（中文翻译），黑盒模型可解释性理解，Christoph Molnar著，朱明超译，内...

大小：23.28MB | 2020-07-29 06:38:14
很棒的可解释的机器学习源码

很棒的可解释的机器学习

大小：527KB | 2021-02-07 04:20:05
LearnBase.jl Julia机器学习包的抽象源码

LearnBase.jl:Julia机器学习包的抽象

大小：15KB | 2021-02-24 23:02:05
可解释机器学习资源.zip

神经网络、机器学习、深度学习的可解释性研究，个性化推荐的可解释性研究

大小：0B | 2019-09-06 10:10:24
PenaltyFunctions.jl用于机器学习的正则化函数的Julia包源码

PenaltyFunctions.jl:用于机器学习的正则化函数的Julia包

大小：13KB | 2021-02-06 15:26:17
很棒的机器学习可解释性精选的很棒的机器学习可解释性资源列表源码

很棒的机器学习可解释性:精选的很棒的机器学习可解释性资源列表

大小：28KB | 2021-02-01 23:06:21
KernelFunctions.jl Julia软件包用于机器学习的内核功能源码

内核功能机器学习的内核功能 KernelFunctions.jl为内核函数提供了一个灵活而完整的框...

大小：239KB | 2021-04-17 23:28:56
监督机器学习可解释性

通过人工神经网络等获得的预测具有很高的准确性,但人类经常将这些模型视为黑盒子。对于人类来说,关于决策...

大小：895KB | 2020-11-20 23:21:24
机器学习可解释性.zip

作者ChristophMolnar介绍说，这是一本关于黑盒模型可解释性的理解指南，用时两年完成，全书...

大小：0B | 2019-07-24 01:24:06
可解释机器学习原理与实践

人工智能(AI)为改善私人和公共生活提供了很多机会,以自动化的方式在大型数据中发现模式和结构是数据科...

大小：4.06MB | 2020-12-12 05:50:25

ShapML.jl:Julia包用于使用随机Shapley值进行可解释的机器学习 源码

ShapML.jl:Julia包用于使用随机Shapley值进行可解释的机器学习源码