学习任务清单
- 1-核心概念-机器学习 (难度: 初级)
- 2-核心概念-监督学习 (难度: 初级)
- 3-核心概念-术语 (难度: 初级)
- 4-核心概念-可解释性 (难度: 初级)
- 5-核心概念-可解释性的重要性 (难度: 初级)
- 6-理论方法-可解释性方法的分类 (难度: 初级)
- 7-核心概念-可解释性范围 (难度: 初级)
- 11-应用案例-自行车租赁数据集 (难度: 初级)
- 12-应用案例-YouTube垃圾评论数据集 (难度: 初级)
- 13-应用案例-宫颈癌风险因素数据集 (难度: 初级)
- 14-理论方法-线性回归 (难度: 初级)
- 15-技术实现-线性回归的解释 (难度: 初级)
- 16-理论方法-逻辑回归 (难度: 初级)
- 17-技术实现-逻辑回归的解释 (难度: 初级)
- 20-理论方法-决策树 (难度: 初级)
- 21-技术实现-决策树的解释 (难度: 初级)
- 27-理论方法-朴素贝叶斯分类器 (难度: 初级)
- 28-理论方法-k-最近邻 (难度: 初级)
- 44-核心概念-机器学习的未来 (难度: 初级)
- 45-核心概念-可解释性的未来 (难度: 初级)
- 8-评估方法-可解释性评估 (难度: 中级)
- 9-核心概念-解释的性质 (难度: 中级)
- 10-核心概念-人性化的解释 (难度: 中级)
- 18-理论方法-广义线性模型(GLM) (难度: 中级)
- 19-理论方法-广义加性模型(GAM) (难度: 中级)
- 22-理论方法-决策规则 (难度: 中级)
- 23-理论方法-OneR (难度: 中级)
- 24-理论方法-顺序覆盖 (难度: 中级)
- 29-理论方法-模型无关方法 (难度: 中级)
- 30-理论方法-部分依赖图(PDP) (难度: 中级)
- 31-理论方法-个体条件期望(ICE) (难度: 中级)
- 34-理论方法-置换特征重要性 (难度: 中级)
- 35-理论方法-全局代理模型 (难度: 中级)
- 39-理论方法-基于样本的解释 (难度: 中级)
- 25-理论方法-贝叶斯规则列表 (难度: 高级)
- 26-理论方法-RuleFit (难度: 高级)
- 32-理论方法-累积局部效应(ALE) (难度: 高级)
- 33-理论方法-特征交互(H-statistic) (难度: 高级)
- 36-理论方法-局部代理(LIME) (难度: 高级)
- 37-理论方法-Shapley值 (难度: 高级)
- 38-理论方法-SHAP (难度: 高级)
- 40-理论方法-反事实解释 (难度: 高级)
- 41-理论方法-对抗样本 (难度: 高级)
- 42-理论方法-原型与批评 (难度: 高级)
- 43-理论方法-有影响力的实例 (难度: 高级)