Hands-On Explainable AI（XAI） with Python

Effectively translating AI insights to business stakeholders requires careful planning, design, and visualization choices. Describing the problem, the model, and the relationships among variables and their findings are often subtle, surprising, and technically complex.Hands-On Explainable AI (XAI) with Python will see you work with specific hands-on machine learning Python projects that are strategically arranged to enhance your grasp on AI results analysis. You will be building models, interpre

这是一本深入探讨可解释人工智能(XAI) 的实战指南。书中通过一系列精心设计的Python项目，让读者能够深入理解AI模型的工作原理，并学习如何构建可解释的AI解决方案。 这本书首先介绍了可解释AI的基本概念，包括定义可解释AI，使用Python构建XAI解决方案，以及医学诊断 timeline等。接着，书中详细讲解了如何使用SHAP，LIME等工具进行模型无关的解释，以及如何利用社交媒体的兴起和AI模型的数据来源来提高模型的可解释性。 书中还深入探讨了道德机器实验，自动驾驶中的道德和伦理问题，以及AI的法律问题等，让读者了解在设计和开发AI系统时，必须充分考虑其道德和伦理问题。此外，书中还介绍了认知XAI的实现方法，以及如何利用锚点AI解释来提高模型的可解释性。 在书中，作者通过大量的实例和案例分析，让读者深入理解AI模型的工作原理，并学习如何构建可解释的AI解决方案。例如，作者通过一个医疗诊断案例，展示了XAI在医疗诊断案例中的应用，并介绍了如何使用LIME进行模型无关的解释。