ACDC：用于风险分层的 $\alpha$-Carving 决策链
机器学习
2016-06-17 v1 机器学习
摘要
在许多医疗保健环境中，用于风险分层的直观决策规则可以帮助有效地分配医院资源。本文介绍了一种决策树算法的新变体，它产生的是决策链，而不是一般的树。我们的算法 -Carving 决策链（ACDC）依次“雕刻”出多数类样本的“纯”子集。由此产生的决策规则链产生少数类样本的纯子集。我们的方法在探索大型且类别不平衡的医疗数据集方面特别有效。此外，ACDC 结合受试者工作特征曲线和 Lift 图等可视化性能指标提供了交互式解释。
引用
@article{arxiv.1606.05325,
title = {ACDC: $\alpha$-Carving Decision Chain for Risk Stratification},
author = {Yubin Park and Joyce Ho and Joydeep Ghosh},
journal= {arXiv preprint arXiv:1606.05325},
year = {2016}
}
备注
presented at 2016 ICML Workshop on Human Interpretability in Machine Learning (WHI 2016), New York, NY