大家好，我是小 G。

此前我们曾跟大家分享过一本机器学习相关的开源书籍：《Interpretable Machine Learning》，中文译名：《可解释的机器学习》。

该书由德国慕尼黑大学的一名博士 Christoph Molnar 耗时两年编著完成，全书共计 250 多页，7.8 万字，1000 多次提交。

2019 年 2 月的时候，作者在 Twitter 上正式对外宣布，免费开放全书内容，受到了业内开发者的一致赞赏。

这本书，也称得上是目前技术圈少有的，对机器学习可解释性作出完整诠释的精品书籍。

该书共分为以下 7 个章节，向读者完整介绍了机器学习的可解释性相关知识点：

• 第一章：前言
• 第二章：可解释性
• 第三章：数据集
• 第四章：可解释的模型
• 第五章：模型无关方法
• 第六章：基于样本的解释
• 第七章：水晶球

不过，国内不少开发者受限于其自身英文阅读水平，一直没有办法对该书进行系统化的学习。

因此，一位来自复旦大学的研究生朱明超对该书进行了翻译，并将其译文统一整理后放到了 GitHub 上。

目前，该书的中文版已正式翻译完毕，并在 Twitter 上得到了原作者的推荐。

感兴趣的同学，现在可以访问其中文版的项目链接，开始学起来了～

以下是该书籍的相关地址，小 G 简单整理了一下，以便大家更好的查看：

• 中文版：https://github.com/MingchaoZhu/InterpretableMLBook
• 英文版：https://christophm.github.io/interpretable-ml-book/index.html
• GitHub：https://github.com/christophM/interpretable-ml-book

--

文末，照旧安利一波我们的公众号：GitHubDaily，目前每天都会在上面更新至少 3 篇文章，主要分享比较实用或有趣的开发工具与开源项目，偶尔也会聊聊技术圈内最近发生的新鲜事，感兴趣的小伙伴可以关注一下哈。