中圖網(wǎng)小程序
一鍵登錄
更方便
>
可信機器學習
本類五星書更多>
-
>
貨幣大歷史:金融霸權與大國興衰六百年
-
>
(精)方力鈞作品圖錄
-
>
《藏書報》2021合訂本
-
>
(精)中國當代書畫名家作品集·范碩:書法卷+繪畫卷(全2卷)
-
>
(噴繪樓閣版)女主臨朝:武則天的權力之路
-
>
書里掉出來一只狼+狼的故事-全2冊
-
>
奇思妙想創(chuàng)意玩具書(精裝4冊)
可信機器學習 版權信息
- ISBN：9787302678717
- 條形碼：9787302678717 ; 978-7-302-67871-7
- 裝幀：平裝-膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：
可信機器學習 本書特色
1）主線貫穿全書：將可信機器學習屬性貫穿于始終，全面地介紹相關概念、方法和原則；
2）理論技術簡明完備：本教材簡明且完備地闡述了可信機器學習的理論方法和技術手段；
3）應用案例引導學習：本教材以具體應用案例引領各個章節(jié)，情景帶入式講解；
4）多個領域?qū)＜矣^點引入：本教材引入了學術界和工業(yè)界多個領域?qū)＜业挠^點。
5）*新研究動態(tài)與前沿探索：本教材將涵蓋可信機器學習的*新研究動態(tài)和前沿探索。
6）深入的討論和思考：本教材深入探討人工智能的倫理挑戰(zhàn)等重要話題。
可信機器學習 內(nèi)容簡介
可信機器學習是機器學習的重要部分，是一門研究機器學習可信屬性的學科。本書將可信機器學習的屬性貫穿始終，全面系統(tǒng)地介紹可信機器學習的概念原則和技術方法。本書內(nèi)容分六部分。**部分詳細闡述可信機器學習的框架、機器學習生命周期以及安全性相關概念；第二部分針對機器學習中的數(shù)據(jù)介紹數(shù)據(jù)偏差、數(shù)據(jù)隱私等相關概念和解決方法；第三部分圍繞建模過程介紹檢測理論、監(jiān)督學習和因果建模的理論及方法；第四部分針對機器學習的可靠性，講解分布偏移的概念和緩解方法，以及機器學習公平性和安全性方法；第五部分圍繞人與機器的交互，闡述機器學習的可解釋性、透明性和價值對齊；第六部分針對機器學習的目標，介紹倫理原則、社會公益以及過濾氣泡等問題。
可信機器學習可信機器學習 前言
在教育評價、信貸、就業(yè)、醫(yī)療保健和刑事司法等高風險應用中，決策越來越倚重數(shù)據(jù)驅(qū)動和機器學習模型。機器學習模型也廣泛應用于自動駕駛、手術機器人等關鍵信息物理系統(tǒng)。社交媒體平臺上的內(nèi)容和聯(lián)系人推薦都依賴機器學習系統(tǒng)。
近年來，機器學習領域取得了驚人進步。盡管這些技術日漸融入人們的生活，但記者、活動家和學者揭示了一些系統(tǒng)在可信度方面的缺陷。例如，支持法官做出預審羈押決定的機器學習模型被報道存在對黑人嫌疑人的偏見。類似地，一個支持大型科技公司進行簡歷篩選的模型被報道存在對女性的偏見。一個用于計算機輔助胸部X光診斷的機器學習模型，被發(fā)現(xiàn)僅關注圖像中包含的標記，而非病人的實際解剖細節(jié)。機器學習算法應用于汽車自動駕駛中，未覆蓋異常條件的訓練會引發(fā)致命事故；社交媒體平臺會在知情的情況下，暗中推廣有害內(nèi)容。總之，盡管每天都會有機器學習算法在某些任務上取得超人類表現(xiàn)的新故事，但這些令人驚嘆的結果只在一般情況下存在。要使算法在各種情況下保持高可靠性、安全性、可審計性和透明性，仍然面臨重大挑戰(zhàn)。因此，越來越多的人希望在這些系統(tǒng)中實現(xiàn)更高的公平性、魯棒性、可解釋性和透明性。
可信機器學習 目錄
第 一 部 分
第1章建立信任3
1.1定義信任4
1.1.1可信與值得信任5
1.1.2可信性屬性5
1.1.3將可信屬性映射到機器學習6
1.2本書組織結構7
1.3限制8
1.4立場聲明9
1.4.1勝任力和信譽9
1.4.2可靠性和偏見10
1.4.3互動11
1.4.4動機和價值觀11
1.5總結12
第2章機器學習生命周期13
2.1機器學習生命周期的心智模型13
2.2問題描述15
2.3數(shù)據(jù)理解16
2.4數(shù)據(jù)準備17
2.5建模17
2.6評估19
2.7部署和監(jiān)測19
2.8總結20
第3章安全性21
3.1理解安全性21
3.2用不同類型的不確定性量化安全性23
3.2.1樣本空間、結果、事件和成本23
3.2.2偶然不確定性和概率23
3.2.3認知不確定性和可能性26
3.3不確定性的概括統(tǒng)計量27
3.3.1期望值和方差27
3.3.2信息與熵28
3.3.3KL散度和交叉熵28
3.3.4互信息29
3.4條件概率29
3.5獨立性和貝葉斯網(wǎng)絡30
3.5.1統(tǒng)計獨立性30
3.5.2貝葉斯網(wǎng)絡31
3.5.3結論33
3.6總結33
第 二 部 分
第4章數(shù)據(jù)來源與偏差37
4.1數(shù)據(jù)模態(tài)38
4.2數(shù)據(jù)來源40
4.2.1有目的收集的數(shù)據(jù)40
4.2.2行政數(shù)據(jù)40
4.2.3社交數(shù)據(jù)41
4.2.4眾包41
4.2.5數(shù)據(jù)增強41
4.2.6結論42
4.3偏差類型42
4.3.1社會偏差43
4.3.2代表性偏差43
4.3.3時間偏差44
4.3.4數(shù)據(jù)準備偏差44
4.3.5數(shù)據(jù)投毒44
4.3.6結論45
4.4總結45
第5章隱私和知情同意46
5.1知情同意、權利和隱私46
5.2實現(xiàn)隱私保護的數(shù)據(jù)匿名化48
5.2.1數(shù)據(jù)發(fā)布和句法匿名化50
5.2.2數(shù)據(jù)挖掘和差分隱私51
5.2.3結論52
5.3其他隱私保護方法53
5.4總結53
第 三 部 分
第6章檢測理論57
6.1選擇決策函數(shù)的指標58
6.1.1量化可能出現(xiàn)的事件58
6.1.2概括性能指標59
6.1.3考慮不同操作點的問題61
6.2努力實現(xiàn)*佳表現(xiàn)62
6.3風險評估和校準64
6.4總結65
第7章監(jiān)督學習66
7.1能力域67
7.2兩種監(jiān)督學習方法68
7.3插值法69
7.3.1判別分析69
7.3.2非參數(shù)密度估計70
7.4風險*小化原理71
7.4.1經(jīng)驗風險*小化71
7.4.2結構風險*小化71
7.5風險*小化算法72
7.5.1決策樹與森林73
7.5.2基于邊際的方法74
7.5.3神經(jīng)網(wǎng)絡76
7.5.4結論79
7.6總結79
第8章因果建模80
8.1因果建模和預測建模的對比80
8.1.1結構因果模型81
8.1.2因果模型與預測模型82
8.1.3兩個問題表述82
8.2量化因果效應83
8.2.1后門路徑和混雜因素84
8.2.2示例85
8.3干預數(shù)據(jù)和觀測數(shù)據(jù)87
8.4因果發(fā)現(xiàn)方法88
8.4.1基于條件獨立性檢驗的方法示例89
8.4.2基于函數(shù)模型的方法示例91
8.5因果推斷方法92
8.5.1干預模型93
8.5.2結果模型95
8.5.3結論96
8.6總結96
第 四 部 分
第9章分布偏移99
9.1機器學習中的認知不確定性100
9.2分布偏移: 認知不確定性的形式102
9.2.1分布偏移的類型102
9.2.2分布偏移的檢測104
9.2.3緩解分布偏移105
9.3適應性105
9.3.1先驗概率偏移105
9.3.2協(xié)變量偏移106
9.3.3概念偏移107
9.4魯棒性107
9.4.1先驗概率偏移107
9.4.2協(xié)變量偏移108
9.4.3概念偏移和其他分布偏移109
9.5總結110
第10章公平性112
10.1公平的多重定義112
10.2不公平從何而來113
10.3定義群體公平性115
10.3.1統(tǒng)計均等差異與差異性影響比116
10.3.2平均概率差異117
10.3.3在統(tǒng)計均等和平均概率差異之間選擇118
10.3.4平均預測值差異119
10.3.5在平均概率差異和平均預測值差異之間選擇119
10.3.6結論120
10.4定義個體和反事實公平性121
10.4.1一致性121
10.4.2反事實公平性121
10.4.3泰爾指數(shù)122
10.4.4結論122
10.5減少不必要的偏差123
10.5.1預處理124
10.5.2過程中處理125
10.5.3后處理126
10.5.4結論126
10.6其他注意事項127
10.7總結128
第11章對抗魯棒性129
11.1不同類型的對抗性攻擊130
11.1.1目標130
11.1.2能力131
11.1.3目的132
11.2防御投毒攻擊132
11.2.1數(shù)據(jù)清洗133
11.2.2平滑133
11.2.3補丁134
11.3防御逃避攻擊134
11.3.1輸入數(shù)據(jù)去噪134
11.3.2對抗性訓練135
11.3.3逃避攻擊的魯棒性評估與認證135
11.4總結136
第 五 部 分
第12章可解釋性和可說明性139
12.1不同類型的解釋140
12.1.1解釋用戶角色140
12.1.2解釋方法的對立概念141
12.1.3結論143
12.2解耦表示143
12.3針對監(jiān)管者的解釋144
12.3.1k*近鄰分類器144
12.3.2決策樹和布爾規(guī)則集144
12.3.3邏輯回歸145
12.3.4廣義加法模型145
12.3.5廣義線性規(guī)則模型146
12.3.6刪除診斷和影響函數(shù)148
12.4決策者說明148
12.4.1全局模型近似149
12.4.2LIME150
12.4.3部分依賴圖150
12.4.4SHAP151
12.4.5顯著性圖151
12.4.6原型152
12.5對受影響用戶的解釋154
12.6量化可解釋性156
12.7總結157
第13章透明性158
13.1事實表159
13.2定量事實檢驗161
13.2.1測試可信性維度162
13.2.2生成和測試邊緣案例163
13.2.3不確定性量化163
13.3傳達測試結果和不確定性166
13.3.1可視化測試結果166
13.3.2傳達不確定性168
13.4保持溯源性170
13.5總結171
第14章價值對齊172
14.1可信機器學習中的4個價值層次174
14.2價值觀的表示和導出175
14.2.1你是否應該解決這個問題175
14.2.2值得關注的可信性要素177
14.2.3合適的度量指標177
14.2.4指標值的可接受范圍179
14.3群體偏好整合181
14.4治理182
14.5總結183
第 六 部 分
第15章倫理原則187
15.1原則概述188
15.2政府189
15.3私營企業(yè)190
15.4非政府組織191
15.5從原則到實踐192
15.6總結193第16章生活經(jīng)驗194
16.1生命周期不同階段的生活經(jīng)驗196
16.2包容性生命周期架構198
16.3總結200
第17章社會公益201
17.1評估數(shù)據(jù)科學服務社會公益項目202
17.1.1數(shù)據(jù)科學服務社會公益203
17.1.2數(shù)據(jù)科學如何服務于社會公益204
17.2數(shù)據(jù)科學服務社會公益項目的生命周期204
17.3數(shù)據(jù)科學服務社會公益平臺206
17.4總結209
第18章過濾氣泡和虛假信息210
18.1認知依賴和機構信任211
18.2是否*大化用戶參與度212
18.2.1過濾氣泡和回音室212
18.2.2錯誤信息和虛假信息212
18.2.3仇恨言論和煽動暴力213
18.2.4替代方案214
18.3稅收和法規(guī)214
18.4總結215
捷徑216
展開全部
書友推薦
- >
伯納黛特,你要去哪(2021新版)
- >
史學評論
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
我與地壇
- >
羅曼·羅蘭讀書隨筆-精裝
- >
中國歷史的瞬間
- >
我從未如此眷戀人間
- >
回憶愛瑪儂
本類暢銷
