规则集模型 Rashomon 集的高效探索
机器学习
2024-06-06 v1
摘要
如今，随着复杂预测模型的不断发展，简单规则集仍是获得可解释预测并驱动高风险决策的关键工具。然而，单个规则集只提供学习任务的部分表示。可解释机器学习的一个新兴范式旨在探索所有表现出接近最佳性能的模型的 Rashomon 集。现有工作在特定模型类的 Rashomon 集上进行穷举搜索，这可能是一项计算上具有挑战性的任务。另一方面，穷举枚举会导致冗余，而且并非总是必要，许多应用只需要代表性样本或对 Rashomon 集大小的估计。本文首次提出了高效的方法来探索带或不带穷举搜索的规则集模型的 Rashomon 集。广泛的实验表明，所提出的方法在各种情景下均表现出色。
关键词
引用
@article{arxiv.2406.03059,
title = {Efficient Exploration of the Rashomon Set of Rule Set Models},
author = {Martino Ciaperoni and Han Xiao and Aristides Gionis},
journal= {arXiv preprint arXiv:2406.03059},
year = {2024}
}