FOLD-RM：一种可扩展、高效且可解释的混合数据多类别分类归纳学习算法
机器学习
2022-05-17 v3
摘要
FOLD-RM 是一种用于学习混合（数值与类别）数据默认规则的自动化归纳学习算法。它生成用于多类别分类任务的（可解释的）答案集编程（ASP）规则集，同时保持效率与可扩展性。FOLD-RM 算法在性能上与广泛使用的先进算法（如 XGBoost 和多层感知机（MLPs））具有竞争力，然而与这些算法不同，FOLD-RM 算法产生可解释的模型。FOLD-RM 在某些数据集上优于 XGBoost，尤其是大型数据集。FOLD-RM 还为预测提供人类友好的解释。
引用
@article{arxiv.2202.06913,
title = {FOLD-RM: A Scalable, Efficient, and Explainable Inductive Learning Algorithm for Multi-Category Classification of Mixed Data},
author = {Huaduo Wang and Farhad Shakerin and Gopal Gupta},
journal= {arXiv preprint arXiv:2202.06913},
year = {2022}
}
备注
Paper presented at the 38th International Conference on Logic Programming (ICLP 2022), 16 pages