三支因果属性偏序结构分析
人工智能
2023-03-31 v1 机器学习
统计方法学
摘要
作为一种新兴的概念认知学习模型，偏序形式结构分析（POFSA）已广泛应用于知识处理领域。本文提出三支因果属性偏序结构（3WCAPOS）方法，使POFSA从集合覆盖演进为因果覆盖，以提升模型的可解释性与分类性能。首先，提出因果因子（CF）的概念，用于评估形式决策背景中属性与决策属性之间的因果关联。然后，将CF与属性偏序结构相结合，定义因果属性偏序结构概念，使集合覆盖演进为因果覆盖。最后，结合三支决策思想，形成3WCAPOS，使结构中节点的纯度更清晰、层级间的变化更明显。此外，通过六个数据集从结构的分类能力与可解释性两方面开展实验。实验表明，与分类回归树相比，3WCAPOS的准确率提升了1%–9%，且相比属性偏序结构更具可解释性、知识处理更合理。
引用
@article{arxiv.2303.17482,
title = {Three-way causal attribute partial order structure analysis},
author = {Xue Zaifa and Lu Huibin and Zhang Tao and Li Tao and Lu Xin},
journal= {arXiv preprint arXiv:2303.17482},
year = {2023}
}