在GitHub上开源项目或者记录自己的学习心得成了一个程序员会做的事情，其中如何对我们已写好的demo利用GtiHub和Pycharm进行代码审查呢？

可解释性机器学习地址：原书-英文版中文翻译版-更新中机器学习对于改进产品、过程和研究有很大的潜力。但是计算机通常不能解释他们的预测，这是机器学习的一个障碍。这本书是关于使机器学习模型和它们的决策可解释。在探索了可解释性的概念之后，您将学习简单的、可解释的模型，如决策树、决策规则和线性回归。后面几章重点介绍了解释黑箱模型的一般模型不可知论方法，如特征重要性和累积局部效应，以及用沙普利值（...

1.1什么是机器学习利用数据解决现实问题1.2机器学习的七个步骤收集数据数据预处理模型选择训练评估超参数调整预测1.3什么是回归问题，什么是分类问题我们要判断我们的数据类型是离散的或者连续的。分类问题是像逻辑回归这样把数据的范围规定在0~1之间，只有0和1，也就是一个二分类；回归问题就是像线性回归这样在搜索空间中对W和B进行搜索，使得模型的准确率达到某个标准，而W和B是有很多个，一般存储在矩阵中。