基于广义加性效用网络的选择离散模型
人工智能
2024-10-22 v2 机器学习
摘要
离散选择模型是分析决策行为以为政策制定者与企业提供宝贵洞察的有力框架。具有线性效用函数的多项 logit 模型（MNL）因易用且可解释而在实践中被使用。近来，带有神经网络（如 ASU-DNN）的 MNL 被开发出来，其在行为选择中的预测精度高于经典 MNL。然而，这些模型因结构复杂而缺乏可解释性。我们基于广义加性模型开发了一种新颖神经网络架构的效用函数，命名为广义加性效用网络（GAUNet），用于离散选择模型。我们使用在东京收集出行调查数据评估了带 GAUNet 的 MNL 的性能。我们的模型在精度上与 ASU-DNN 相当，且相较先前模型展现出改进的可解释性。
引用
@article{arxiv.2309.16970,
title = {Discrete-Choice Model with Generalized Additive Utility Network},
author = {Tomoki Nishi and Yusuke Hara},
journal= {arXiv preprint arXiv:2309.16970},
year = {2024}
}