概率无序规则集
💡
原文中文,约200字,阅读约需1分钟。
📝
内容提要
该研究提出了一种新方法来推断不同的规则集,通过在Max-Sum多样化框架下优化决策规则之间的小重叠,以及在鉴别品质和规则集多样性之间最大化加权总和,来克服联想规则指数级搜索空间的困难。该算法通过随机采样高度鉴别且重叠小的规则,并证明其拥有更好的预测能力和解释性。
🎯
关键要点
- 该研究提出了一种新方法来推断不同的规则集。
- 方法通过在Max-Sum多样化框架下优化决策规则之间的小重叠。
- 最大化鉴别品质和规则集多样性之间的加权总和。
- 克服联想规则指数级搜索空间的困难。
- 算法通过随机采样高度鉴别且重叠小的规则。
- 该算法证明了更好的预测能力和解释性。
🏷️
标签
➡️