树状两两相互作用网络
组合数学
2025-08-22 v1 数论
摘要
在表格数据中建模特征相互作用仍是预测建模中的关键挑战，例如用于保险定价。本文提出了树状两两相互作用网络 (Tree-like Pairwise Interaction Network, PIN)，这是一种新型神经网络架构，通过类似决策树结构的共享前馈神经网络架构显式捕获两两特征相互作用。PIN 通过设计实现内在可解释性，允许直接检查相互作用效应。此外，它允许高效计算 SHApley 可加解释 (SHAP)。我们强调了 PIN 与 established 模型，如 GA2Ms、梯度提升机和图神经网络之间的联系。在流行的法国汽车保险数据集上的实验结果表明，PIN 在预测准确度方面优于传统和现代神经网络基准，同时提供了关于特征如何相互作用以及它们如何贡献于预测的见解。
引用
@article{arxiv.2508.15677,
title = {Understanding ramification of branched {$\mathbb{Z}_p$}-covers},
author = {Debanjana Kundu and Katharina Mueller},
journal= {arXiv preprint arXiv:2508.15677},
year = {2025}
}