BriefGPT - AI 论文速递 · 2023-09-22T00:00:00Z 用动态规划发现决策树的解释性与性能的最优解 💡 原文中文，约200字，阅读约需1分钟。 📝 内容提要 该研究提出了MIO框架，用于学习最优的分类树算法并扩展到任意公平性约束。同时，提出了决策复杂度作为新的模型可解释性度量标准。该方法在公平性、可解释性和预测准确性之间取得了良好的平衡，即使在几乎完全平等的情况下也能保持精度。 🏷️ 标签 MIO框架 公平性约束 决策复杂度 分类树算法 预测准确性 阅读原文 生成长图 分享链接 已复制链接
