基于神经网络的带真值表的规则模型
原文中文,约200字,阅读约需1分钟。发表于: 。通过结合基于规则的模型的全局和精确可解释性属性与深度神经网络的高性能,提出了一种名为 Truth Table rules (TT-rules) 的神经网络框架,可将神经网络有效转化为基于规则的模型,并在保持性能和复杂性平衡的同时,实现对大型表格数据集的适配。
该研究提出了一种新的深度表格数据学习架构TabNet,采用顺序注意方法选择推理特征,实现了可解释性和更高效的学习。在各种表格数据集上,TabNet胜过其他神经网络和决策树变体,并提供了可解释的特征归因和对全局模型行为的深入认识。此外,该研究还展示了在未标记的数据丰富情况下,自监督学习可以显著提高性能。