模糊粒近似分类器
人工智能
2022-06-06 v1
摘要
本文引入一种新的模糊粒近似分类器（FGAC）。该分类器基于先前提出的粒近似概念及其多类分类情形。该分类器是基于实例的，其最大优势是局部透明性，即解释其所做的每一个单独预测的能力。我们首先针对二分类与多分类情形发展 FGAC，并讨论包含有序加权平均（OWA）算子的变体。然后将 FGAC 的这些变体与其他局部透明 ML 方法进行实证比较。最后，我们讨论 FGAC 的透明性及其相对于其他局部透明方法的优势。我们得出结论：虽然 FGAC 的预测性能与其他局部透明 ML 模型相似，但其透明性在某些情形下可能更优。
引用
@article{arxiv.2206.01240,
title = {Fuzzy granular approximation classifier},
author = {Marko Palangetić and Chris Cornelis and Salvatore Greco and Roman Słowiński},
journal= {arXiv preprint arXiv:2206.01240},
year = {2022}
}