MBTI 类型的可解释多标签分类
机器学习
2024-05-08 v2
摘要
在这项研究中，我们旨在确定最有效的机器学习模型，用于从 Reddit 帖子和一个 Kaggle 数据集中准确分类迈尔斯-布里格斯类型指标（MBTI）类型。我们使用二元关联方法应用多标签分类。我们采用可解释人工智能（XAI）方法来强调过程和结果的透明度和可理解性。为了实现这一目标，我们尝试了玻璃盒学习模型，即专为简单性、透明度和可解释性而设计的模型。我们为玻璃盒模型选择了 k-最近邻、多项朴素贝叶斯和逻辑回归。我们表明，如果排除具有观察者（S）特质的类别，多项朴素贝叶斯和 k-最近邻表现更好，而当所有类别的条目数都超过 550 时，逻辑回归获得其最佳结果。
引用
@article{arxiv.2405.02349,
title = {Explainable Multi-Label Classification of MBTI Types},
author = {Siana Kong and Marina Sokolova},
journal= {arXiv preprint arXiv:2405.02349},
year = {2024}
}
备注
22 pages, 12 tables, 2 figure