《可解释的机器学习》-（Interpretable machine learning）是一本关于机器学习的开源书籍。作者 Christoph Molnar 历时两年编写而成。书籍累计 250 多页、7.8 万+词。书籍遵守MIT开源协议。目前已有中文版在国内发行。

《可解释的机器学习》可解释性的概念，介绍了简单的、可解释的模型，例如决策树、决策规则和线性回归，重点介绍了解释黑盒模型的、与模型无关的方法，如特征重要性和累积局部效应，以及用Shapley 值和LIME 解释单个实例预测。适合机器学习从业者、数据科学家、统计学家和所有对使机器学习模型具有可解释性感兴趣的人阅读。

在线英文版阅读：https://christophm.github.io/interpretable-ml-book/

源码：https://github.com/christophM/interpretable-ml-book