用于肝移植的可解释机器学习
人工智能
2021-09-29 v1
摘要
在本工作中，我们提出了一种灵活的方法，以人类可读的方式解释在肝移植中用作决策支持的决策树所做出的预测。这些决策树是通过将机器学习应用于在 Coru\~na 大学医院中心肝移植科收集的数据集而获得的，用于预测移植后的长期（五年）生存率。我们提出的方法基于将决策树表示为逻辑程序（LP）中的一组规则，并进一步用文本消息进行标注。然后使用工具 xclingo（基于 Answer Set Programming）处理该逻辑程序，该工具能够根据标注文本和在给定特定输入时实际触发的规则，构建复合解释。我们探索了两种替代的 LP 编码方式：一种是规则遵循树结构（更便于反映学习过程），另一种是每条规则对应一条（预先简化过的）树路径（更便于决策时的可读性）。
引用
@article{arxiv.2109.13893,
title = {Explainable Machine Larning for liver transplantation},
author = {Pedro Cabalar and Brais Muñiz and Gilberto Pérez and Francisco Suárez},
journal= {arXiv preprint arXiv:2109.13893},
year = {2021}
}
备注
5 pages, 7 listings, two tables