X-TREPAN：人工神经网络中的多类回归与可理解决策树的自适应提取
机器学习
2015-09-01 v1 神经与进化计算
摘要
本工作对 TREPAN 算法进行了增强与扩展，用于从神经网络中提取决策树。我们在一组来自真实世界事件的数据集上实证评估了该算法的性能。通过改造 Single-test TREPAN 与 C4.5 决策树归纳算法来分析数据集，实现了这一基准增强。随后，将模型与 X-TREPAN 在可理解性与分类准确率方面进行了比较。此外，我们通过应用统计方法验证了实验结果。最后，改进后的算法被扩展以处理多类回归问题，并实现了对广义前馈网络的理解能力。
引用
@article{arxiv.1508.07551,
title = {X-TREPAN: a multi class regression and adapted extraction of comprehensible decision tree in artificial neural networks},
author = {Awudu Karim and Shangbo Zhou},
journal= {arXiv preprint arXiv:1508.07551},
year = {2015}
}
备注
17 Pages, 8 Tables, 8 Figures, 6 Equations