对于深度学模型，常常很难解释其工作方式，即使是创建这些模型的数据科学家也不例外。提高机器学模型的透明度和可解释可以优选限度地减少错误，减少意想不到的偏见，增加用户对结果的信任。本书讲述了探索“黑盒”模型机制的技术，提供了设计可靠算法的方法，并揭示了导致结果偏差的各种关键因素。本书将你识别模型所学到的模式，并解释为何会产生这样的结果。通过阅读本书，你将掌握一些用于解释白盒模型（如线回归和广义可加模型）的方法，以及一些用于解释复杂深度学模型的方法。可解释a!是一个快展的领域，本书将该领域的前沿研究简化为你可以在python中实现的实际方法。