作为监督式机器学习中玻璃箱的高维模型表示
统计方法学
2018-07-31 v1 机器学习
摘要
预测与解释是监督式机器学习中的关键目标，其中预测模型被称为黑箱，解释模型被称为玻璃箱。解释提供了以模型输入解释模型输出所必需的充分信息，包括评估模型输出对重要输入变量的依赖关系，以及衡量输入变量对模型输出的重要性。高维模型表示（HDMR），亦称广义函数型ANOVA展开，为理解监督式机器学习模型的输入输出行为提供了有益视角。本文给出HDMR在监督式机器学习中的应用。第一个应用是刻画“大数据”环境下的信息泄漏。第二个应用是初等对称多项式的降阶表示。第三个应用是含相关变量的方差分析。最后一个应用是从核机器与决策树黑箱表示中估计HDMR。这些结果表明HDMR作为玻璃箱表示在机器学习中具有广泛用途。
引用
@article{arxiv.1807.10320,
title = {High Dimensional Model Representation as a Glass Box in Supervised Machine Learning},
author = {Caleb Deen Bastian and Herschel Rabitz},
journal= {arXiv preprint arXiv:1807.10320},
year = {2018}
}
备注
54 pages, 23 figures, 5 tables