基于可解释性神经网络的医疗决策规则模型
原文中文,约200字,阅读约需1分钟。发表于: 。通过提出神经网络框架 Truth Table rules (TT-rules),将规则模型的全局和精确可解释性与深度神经网络的高性能相结合,将神经网络转化为基于规则的模型,该模型在医疗应用中表现出与其他可解释方法相当或更高的性能。
本文提出了一种基于RRL的内在可解释模型,通过构建三个类似于神经网络的子网络,每个子网络均可等效转换为一组规则,并通过学习二进制权重的技巧有效地训练。相比可解释的决策树在性能上更优,接近于其他黑匣子,对金融机构和借款人具有实际意义。同时,本模型还用于测试后评方法生成的解释的准确性,结果表明后评方法不总是可靠的。