本书先从背景出发, 阐述黑盒模型存在的问题以及不解决黑盒模型问题可能带来的后果, 引出可解释机器学习的重要性; 随后从可解释机器学习的研究方向, 分为内在可解释模型算法和模型事后解析方法两部分进行介绍, 阐述不同模型的原理、应用及其可解释性; 最后通过三个不同的应用场景, 介绍在银行实战中的数据挖掘方法, 由问题、处理方法出发, 结合可解释机器学习模型结果, 证明模型的有效性和实用性。期望读者通过对本书的阅读, 可以更快、更好地解决实际业务问题, 而非纸上谈兵。业务场景均为业内的典型案例, 希望能够对读者有所启发。并列题名：Interpretable machine learning eng