内容简介
 
随着机器学习应用在各种应用中得到广泛采用和集成，其安全和关键任务系统，对于强大的评估方法的需求变得更加紧迫。本书汇编了关于这个主题的多元信息，整合了研究论文和博客中的学术资源，探讨了构建强大而可靠的机器学习产品所必须的多种学习范式和应用，以及有意义的度量标准、无偏估计方法、严格的统计分析、公平的训练集和有意义的阐释。超越实验科学，涵盖了行业和伦理相关的主题，可供跨科学领域的学生、从业者和研究人员使用。
 
• 使用 Python 和 sklearn 说明所有方法，让读者可以在自己的研究中重复使用代码
• 涵盖广泛学习范式的评估方法，为读者提供有关其感兴趣方法的具体讨论
• 超越实验科学，涵盖与行业和道德相关的主题