可信機器學習 Trustworthy Machine Learning
(美)庫什·R.瓦什尼(Kush R. Varshney)著 趙正,謝鑫,趙奇,範曉婭,毛倩 譯
- 出版商: 清華大學
- 出版日期: 2024-12-01
- 售價: $414
- 貴賓價: 9.5 折 $393
- 多買優惠 簡體書新到貨|2書75折 ( 11/21-11/28 )
- 語言: 簡體中文
- 頁數: 217
- ISBN: 7302678715
- ISBN-13: 9787302678717
-
相關分類:
Machine Learning
- 此書翻譯自: Trustworthy Machine Learning
立即出貨 (庫存 < 3)
買這商品的人也買了...
-
使用者故事對照 (User Story Mapping: Discover the Whole Story, Build the Right Product)$580$458 -
芯片驗證漫遊指南 : 從系統理論到 UVM 的驗證全視界$594$564 -
工業人工智慧$500$490 -
$414對抗機器學習:機器學習系統中的攻擊和防禦 -
$402基於數據科學的惡意軟件分析 -
$453自動機器學習 (AutoML):方法、系統與挑戰 -
集成電路先進封裝材料$708$672 -
流程架構|整合串流與事件驅動的未來 (Flow Architectures: The Future of Streaming and Event-Driven Integration)$580$458 -
$407SoC 設計方法與實現, 4/e -
$535陣列信號處理及 MATLAB 實現, 3/e -
半導體製程與整合$620$607 -
完全圖解人工智慧:零基礎也OK!從NLP、圖像辨識到生成模型,現代人必修的53堂AI課$480$379 -
$670無線AI應用:無線傳感、定位、物聯網與通訊 -
$396傅裏葉變換在雷達和信號處理中的應用, 2/e -
$774機載雷達空時自適應處理 -
$601可解釋機器學習:黑盒模型可解釋性理解指南, 2/e -
無人機系統成像與感知 部署與應用$876$832 -
因果推論的商業應用:用 Python 解鎖科技產業的精準行銷 (Causal Inference in Python)$880$695 -
矽光子與共同封裝光電產業科技實務$500$475 -
算法交易 : 制勝策略與原理 (珍藏版)$594$564 -
$945雷達電波環境特性 -
$407微弱信號檢測技術及系統 -
$509時間序列數據分析 — 狀態、事件、過程分析 -
雷達輻射源信號表示學習識別技術$359$341 -
$611因果 AI : 深度學習與因果推斷融合實戰
簡體書新到貨|2書75折 ( 11/21-11/28 ) 詳見活動內容 »
-
85折
$351微積分之美 : 偉大定理和天才的數學思維 -
85折
$504微積分之美 : 偉大定理和天才的數學思維 (精裝) -
85折
$453Harness Engineering 實戰:構建可靠的生產級 AI Agent -
79折
$469數據即產品 -
79折
$520CodeBuddy領航:AI輔助編程應用·架構·交付 -
85折
$458從零開始構建大模型:架構設計、模型訓練與高效部署 -
79折
$331KIMI K3從入門到精通:從智能對話到數字員工 -
VIP 95折
零基礎玩轉 AI Skills 從入門到精通$414$393 -
85折
$458深入理解大語言模型:原理、實現和應用 -
79折
$369WorkBuddy AI 賺錢:用 AI 智能體接單、交付與變現 -
85折
$356Codex從入門到精通 -
79折
$279OpenClaw:從0到1打造AI全能助理 -
85折
$402VibeCoding 氛圍編程一本通 -
85折
$1,172編譯器設計, 3/e -
79折
$331SDD 實戰:規範驅動開發之道 -
79折
$474LangGraph 開發 AI Agent 實踐 -
79折
$378電子遊戲視覺藝術史 -
79折
$606JAX 深度學習 -
75折
$494Python 編程快速上手 — 讓煩瑣工作自動化, 3/e -
79折
$374FreeRTOS 實時操作系統 — 架構、移植與開發 -
79折
$236LangChain 與大語言模型應用開發實踐 -
85折
$1,014BPF 之巔:洞悉 Linux 系統和應用性能 (BPF Performance Tools) -
79折
$378電子遊戲視覺藝術史 -
$534Data+AI:基於本體的數據智能體實踐 -
$528AI修圖、視頻與設計:DeepSeek+豆包+即夢+扣子Coze+PS
相關主題
商品描述
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,全面系統地介紹可信機器學習的概念原則和技術方法。本書內容分六部分。第一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據介紹數據偏差、數據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,講解分佈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。
目錄大綱
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數據理解16
2.4數據準備17
2.5建模17
2.6評估19
2.7部署和監測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獨立性和貝葉斯網絡30
3.5.1統計獨立性30
3.5.2貝葉斯網絡31
3.5.3結論33
3.6總結33
第 二 部 分
第4章數據來源與偏差37
4.1數據模態38
4.2數據來源40
4.2.1有目的收集的數據40
4.2.2行政數據40
4.2.3社交數據41
4.2.4眾包41
4.2.5數據增強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數據準備偏差44
4.3.5數據投毒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實現隱私保護的數據匿名化48
5.2.1數據發布和句法匿名化50
5.2.2數據挖掘和差分隱私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選擇決策函數的指標58
6.1.1量化可能出現的事件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努力實現最佳表現62
6.3風險評估和校準64
6.4總結65
第7章監督學習66
7.1能力域67
7.2兩種監督學習方法68
7.3插值法69
7.3.1判別分析69
7.3.2非參數密度估計70
7.4風險最小化原理71
7.4.1經驗風險最小化71
7.4.2結構風險最小化71
7.5風險最小化算法72
7.5.1決策樹與森林73
7.5.2基於邊際的方法74
7.5.3神經網絡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後門路徑和混雜因素84
8.2.2示例85
8.3乾預數據和觀測數據87
8.4因果發現方法88
8.4.1基於條件獨立性檢驗的方法示例89
8.4.2基於函數模型的方法示例91
8.5因果推斷方法92
8.5.1乾預模型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章分佈偏移99
9.1機器學習中的認知不確定性100
9.2分佈偏移: 認知不確定性的形式102
9.2.1分佈偏移的類型102
9.2.2分佈偏移的檢測104
9.2.3緩解分佈偏移105
9.3適應性105
9.3.1先驗概率偏移105
9.3.2協變量偏移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協變量偏移108
9.4.3概念偏移和其他分佈偏移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後處理126
10.5.4結論126
10.6其他註意事項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防禦投毒攻擊132
11.2.1數據清洗133
11.2.2平滑133
11.2.3補丁134
11.3防禦逃避攻擊134
11.3.1輸入數據去噪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針對監管者的解釋144
12.3.1k最近鄰分類器144
12.3.2決策樹和布爾規則集144
12.3.3邏輯回歸145
12.3.4廣義加法模型145
12.3.5廣義線性規則模型146
12.3.6刪除診斷和影響函數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值得關註的可信性要素177
14.2.3合適的度量指標177
14.2.4指標值的可接受範圍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章生活經驗194
16.1生命周期不同階段的生活經驗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評估數據科學服務社會公益項目202
17.1.1數據科學服務社會公益203
17.1.2數據科學如何服務於社會公益204
17.2數據科學服務社會公益項目的生命周期204
17.3數據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是否最大化用戶參與度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214
18.4總結215
捷徑216



