识别最具可解释性的分类器

我们引入逐点覆盖(pointwise coverage)概念以度量机器学习分类器的可解释性性质。对预测的解释是特征空间中与预测共享同一标签的、可定义简单的区域，而解释的覆盖度量其大小或泛化能力。借助该解释概念，我们探究最具可解释性分类器是否存在自然刻画。与直觉一致，我们证明了二值线性分类器在可忽略集意义下是唯一最具可解释性的分类器。