![arXiv:2007.15140v1 [cs.AI] 2020 年 7 月 29 日](/simg/a/aa46a5c6541c7743e6afc32b94d28d3f117401cf.png)
机构名称：
¥ 1.0
摘要。随着机器学习越来越多地用于辅助决策，人们要求这些决策是可解释的。可以说，最可解释的机器学习模型使用决策规则。本文重点介绍决策集，这是一种具有无序规则的模型，它用单个规则解释每个预测。为了便于人类理解，这些规则必须简洁。早期关于生成最佳决策集的工作首先最小化规则数量，然后最小化文字数量，但得到的规则通常会非常大。在这里，我们考虑一个更好的衡量标准，即决策集的总大小（以文字为单位）。因此，我们不会被一组需要大量文字的小规则所驱使。我们提供了第一种方法来确定实现最小经验风险的最小规模决策集，然后研究稀疏替代方案，以牺牲准确性换取规模。通过找到最佳解决方案，我们可以构建几乎与最佳启发式方法一样准确的决策集分类器，但更加简洁，因此更具可解释性。
arXiv:2007.15140v1 [cs.AI] 2020 年 7 月 29 日
主要关键词
![arXiv:2007.15140v1 [cs.AI] 2020 年 7 月 29 日PDF文件第1页](/bimg/9/9610b5a13ce4e7b68bdd529dec6f001536338cad.webp)
![arXiv:2007.15140v1 [cs.AI] 2020 年 7 月 29 日PDF文件第2页](/bimg/5/56baaa5fd8457bc4ba90e37ed6f0263cb9620510.webp)
![arXiv:2007.15140v1 [cs.AI] 2020 年 7 月 29 日PDF文件第3页](/bimg/7/7fec0c01a36d5c664bf6f2f69d66238559fd4533.webp)
![arXiv:2007.15140v1 [cs.AI] 2020 年 7 月 29 日PDF文件第4页](/bimg/7/7fb52a073fe7e60a1048a65503622bed291081a0.webp)
![arXiv:2007.15140v1 [cs.AI] 2020 年 7 月 29 日PDF文件第5页](/bimg/8/842f37b41c110435aefe90ab2b2a80bfbc07c861.webp)
相关文件推荐
![arXiv:2007.13257v1 [cs.AI] 2020 年 7 月 27 日](/simg/9/9eabfa4676917196d3c9e99789da157830325c3e.png)
![arXiv:2007.15703v1 [cs.AI] 2020 年 7 月 30 日](/simg/b/b082c125f9e416c25bb92bff79d3bcde74a636fd.png)
![arXiv:2007.10018v1 [cs.AI] 2020 年 7 月 20 日](/simg/3/3ea5103465cc9bd377356254235ee19fc60e3965.png)
![arXiv:2001.00804v1 [cs.AI] 2020 年 1 月 3 日](/simg/c/c33dad73ec2c962ae6009b7876c5e5305ea6e70e.png)
![arXiv:2006.01610v1 [cs.AI] 2020 年 6 月 2 日](/simg/c/c14b5ee8297f1f5ec8a1eefd93238c5c993dbd04.png)
![arXiv:2001.01577v1 [cs.AI] 2020 年 1 月 6 日](/simg/c/c540f901a2b09ee65c6df18aad932233961fdfea.png)
![arXiv:2005.00582v1 [cs.AI] 2020 年 5 月 1 日](/simg/d/d38cb53a124e35c7288255cbad2b1305ccb5a18c.png)
![arXiv:2005.02963v1 [cs.AI] 2020 年 5 月 6 日](/simg/1/1ff46bc4a4991cc3fcff22a53e9f44928e73b335.png)
![arXiv:2001.02021v1 [cs.AI] 2020 年 1 月 7 日](/simg/6/6656a65d1324b757699cd670b349c20ef6da7f31.png)
![arXiv:2005.13635v1 [cs.AI] 2020 年 5 月 27 日](/simg/9/9e84e1eeb3e21de3231d6303124bae5b0c6d7257.png)
![arXiv:2002.09044v1 [cs.AI] 2020 年 2 月 20 日](/simg/1/1ffdf8ad897bec475f6999eff33e38d4e88d0371.png)
![arXiv:2012.04751v1 [cs.AI] 2020 年 12 月 8 日](/simg/d/d79fcfcc45e02ffb39761aa68ec1a53a8b28568d.png)
![arXiv:2008.13278v1 [cs.AI] 2020 年 8 月 30 日](/simg/9/92e26a4c8aa8cd35f6743e8c6e2f787de640e466.png)
![arXiv:2110.11385v3 [cs.AI] 2024 年 2 月 29 日](/simg/0/0dd4026aa24ddd39f4a46f7995d9b38f822905d2.png)
![arXiv:1905.04210v2 [cs.AI] 2020 年 2 月 14 日](/simg/1/1c7674a20e850a75c8ef4f07c3e06bef37ed2e23.png)
![arXiv:2009.06756v2 [cs.AI] 2020 年 9 月 22 日](/simg/f/f0679682245238697c2448a9bfa1f41d24afb25c.png)
![arXiv:2006.11309v1 [cs.AI] 2020 年 6 月 19 日](/simg/8/815b6ddcd9ad12c5b66dd7208c8914603d2dfa68.png)
![arXiv:2002.05769v1 [cs.AI] 2020 年 2 月 13 日](/simg/6/6721efe57c2724da6ae271793dd8babcc7962ad8.png)
![arXiv:2002.10665v1 [cs.AI] 2020 年 2 月 25 日](/simg/9/9f4bbcacdd2b98eae0ed57f94d43cf576eaa8d61.png)
![arXiv:2007.01544v2 [cs.AI] 2021 年 9 月 20 日](/simg/5/54b080d69663555a0d382eb9d34ff207684afe01.png)
![arXiv:2002.11697v1 [cs.AI] 2020 年 2 月 26 日](/simg/b/b49fe9b98736b5fb45d9aa068dc75695e6f1cad6.png)
![arXiv:2005.09755v1 [cs.AI] 2020 年 5 月 19 日](/simg/f/f6e7086c6d5a50561b424f70f08494415ca4d80b.png)
![arXiv:2003.05823v1 [cs.RO] 2020 年 3 月 12 日](/simg/c/cf9e39bb81ef86eb692012c7befa2c3c970b4e31.webp)
![arXiv:2001.07537v1 [cs.AI] 2020 年 1 月 21 日](/simg/9/9263a647ebe77a59e853ed496cc8cf75b3b255ec.png)
![arXiv:2009.01606v3 [cs.AI] 2020 年 11 月 13 日](/simg/4/4ebe57468238c7ffd4182df62dfbbcd7f09aa203.png)
![arXiv:2403.14142v2 [quant-ph] 2024 年 3 月 29 日](/simg/d/d30f5b92faf87c17b67595bb69c8adfba0f2ed41.png)
![arXiv:2010.06002v2 [cs.AI] 2020 年 12 月 15 日](/simg/0/099814195c1c883b96a2d64fc475677cebd2004d.png)
![arXiv:2008.07993v3 [cs.AI] 2020 年 12 月 23 日](/simg/9/939838d66b2e0413ce4f4008e8dd3e68d9dc776e.png)
![arXiv:2402.16751v2 [cs.AI] 2024 年 10 月 29 日](/simg/3/3355546014d3e52de246ffb8b2789fbe9869acee.png)