●推荐序一/III
推荐序二/V
作者序/VII
译者序/IX
章引言/1
1.1故事时间/2
1.1.1闪电不会击中两次/2
1.1.2信任倒下/4
1.1.3费米的回形针/6
1.2什么是机器学习/7
1.3术语/8
第2章可解释性/13
2.1可解释性的重要性/14
2.2可解释性方法的分类/18
2.3可解释性的范围/20
2.3.1算法透明度/20
2.3.2全局、整体的模型可解释性/21
2.3.3模块层面上的全局模型可解释性/21
2.3.4单个预测的局部可解释性/22
2.3.5一组预测的局部可解释性/22
2.4可解释性评估/22
2.5解释的性质/23
2.6人性化的解释/25
2.6.1什么是解释/26
2.6.2什么是好的解释/26
第3章数据集/31
3.1自行车租赁（回归）/32
3.2YouTube垃圾评论（文本分类）/32
3.3宫颈癌的危险因素（分类）/33
第4章可解释的模型/35
4.1线性回归/36
4.1.1解释/38
4.1.2示例/40
4.1.3可视化解释/41
4.1.4解释单个实例预测/44
4.1.5分类特征的编码/45
4.1.6线性模型是否有很好的解释/46
4.1.7稀疏线性模型/47
4.1.8优点/50
4.1.9缺点/50
4.2逻辑回归/51
4.2.1线性回归用于分类有什么问题/51
4.2.2理论/52
4.2.3解释/53
4.2.4示例/55
4.2.5优缺点/56
4.2.6软件/57
4.3GAM和其他模型/57
4.3.1非高斯结果输出――GLM/59
4.3.2交互/63
4.3.3非线性效应――GAM/66
4.3.4优点/71
4.3.5缺点/71
4.3.6软件/72
4.3.7进一步扩展/72
4.4决策树/73
4.4.1解释/75
4.4.2示例/76
4.4.3优点/77
4.4.4缺点/78
4.4.5软件/78
4.5决策规则/79
4.5.1OneR/81
4.5.2顺序覆盖/85
4.5.3贝叶斯规则列表/88
4.5.4优点/93
4.5.5缺点/94
4.5.6软件和替代方法/94
4.6RuleFit/95
4.6.1解释和示例/96
4.6.2理论/97
4.6.3优点/100
4.缺点/101
4.6.5软件和替代方法/101
4.7其他可解释模型/101
4.7.1朴素贝叶斯分类器/102
4.7.2k-近邻/102
第5章与模型无关的方法/103
5.1部分依赖图/105
5.1.1示例/106
5.1.2优点/108
5.1.3缺点/110
5.1.4软件和替代方法/110
5.2个体条件期望/111
5.2.1示例/111
5.2.2优点/115
5.2.3缺点/115
5.2.4软件和替代方法/115
5.3累积局部效应图/115
5.3.1动机和直觉/115
5.3.2理论/119
5.3.3ALE图的估计/120
5.3.4示例/123
5.3.5优点/130
5.3.6缺点/131
5.3.7软件和替代方法/132
5.4特征交互/132
5.4.1特征交互的概念/133
5.4.2理论：弗里德曼的H统计量/134
5.4.3示例/135
5.4.4优点/137
5.4.5缺点/138
5.4.6实现/138
5.4.7替代方法/138
5.5置换特征重要性/139
5.5.1理论/139
5.5.2应该计算训练数据的重要性还是测试数据的重要性/140
5.5.3示例和解释/142
5.5.4优点/143
5.5.5缺点/145
5.5.6软件和替代方法/146
5.6全局代理模型/146
5.6.1理论/146
5.6.2示例/148
5.6.3优点/150
5.缺点/150
5.6.5软件/150
5.7局部代理模型（LIME）/150
5.7.1表格数据的LIME/152
5.7.2文本的LIME/155
5.7.3图像的LIME/156
5.7.4优点/156
5.7.5缺点/158
5.8Shapley值/158
5.8.1总体思路/158
5.8.2示例与解释/162
5.8.3详细的Shapley值/163
5.8.4优点/167
5.8.5缺点/168
5.8.6软件和替代方法/169
5.9SHAP/169
5.9.1SHAP的定义/169
5.9.2KernelSHAP/171
5.9.3TreeSHAP/174
5.9.4示例/175
5.9.5SHAP特征重要性/176
5.9.6SHAP概要图/177
5.9.7SHAP依赖图/178
5.9.8SHAP交互值/179
5.9.9聚类SHAP值/180
5.9.10优点/180
5.9.11缺点/181
5.9.12软件/182
第6章基于样本的解释/183
6.1反事实解释/185
6.1.1生成反事实解释/187
6.1.2示例/189
6.1.3优点/190
6.1.4缺点/190
6.1.5软件和替代方法/191
6.2对抗样本/191
6.2.1方法与示例/192
6.2.2网络安全视角/198
6.3原型与批评/199
6.3.1理论/200
6.3.2示例/205
6.3.3优点/205
6.3.4缺点/206
6.3.5软件和替代方法/206
有影响力的实例/206
.1删除诊断/209
.2影响函数/213
.3识别有影响力的实例的优点/218
.4识别有影响力的实例的缺点/218
.5软件和替代方法/219
第7章水晶球/221
7.1机器学未来/223
7.2可解释性的未来/224
参考文献/227