×
朱利亚·万努奇;安娜·戈塔德

广义半线性回归树的进化估计过程。 （英语） Zbl 07800945号

计算。斯达。 38，第4期，1927-1946（2023）.
摘要：在许多应用中，相互作用甚至轻微非线性的存在都会影响推断和预测。因此，我们建议使用介于统计和机器学习之间的一类模型，并提出一个学习过程。这些模型结合了线性部分和通过进化算法选择的树组件，可以用于任何类型的响应，例如连续、分类、有序响应和生存时间。它们本质上是可解释的，但比标准回归模型更灵活，因为它们很容易捕捉非线性和交互效应。提出的类遗传学习算法避免了对树组件的贪婪搜索。在仿真研究中，我们表明，该方法的性能可与其他机器学习算法媲美，在可解释性和透明度方面有显著提高，并且我们在实际数据集上演示了该方法。

MSC公司：

62-08 统计问题的计算方法

关键词：

进化算法;可解释统计学习;半参数回归;回归树干模型

软件：

R（右）;巴蒂;贝叶斯树;evtree（进化树）
PDF格式BibTeX公司 XML格式引用
\textit{G.Vannucci}和\textit{A.Gottard}，计算。Stat.38，No.4，1927-1946（2023；Zbl 07800945）
全文： 内政部

参考文献：

[1] Back T（1996）《理论与实践中的进化算法：进化策略、进化规划、遗传算法》。牛津大学出版社·Zbl 0877.68060号
[2] Benjamini，Y.，《同步和选择性推理：当前的成功和未来的挑战》，Biom J，52，6，708-721（2010）·Zbl 1208.62111号 ·doi:10.1002/bimj.200900299
[3] 伯克，R。；布朗，L。；Buja，A。；张凯。；Zhao，L.，有效的后选择推理，Ann Stat，41，2，802-837（2013）·Zbl 1267.62080号 ·doi:10.1214/12-AOS1077
[4] Breiman，L.，《随机森林》，《马赫学习》，第45、1、5-32页（2001年）·Zbl 1007.68152号 ·doi:10.1023/A:1010933404324
[5] Breiman，L.，《统计建模：两种文化》（作者评论和反驳，《统计科学》，16，3，199-231（2001）·Zbl 1059.62505号 ·doi:10.1214/ss/1009213726
[6] Breiman L、Friedman J、Stone CJ、Olshen RA（1984）分类和回归树。CRC出版社·Zbl 0541.62042号
[7] Chatterjee，S。；Laudato，M。；Lynch，LA，《遗传算法及其统计应用：简介》，《计算统计数据分析》，22，6，633-651（1996）·Zbl 0900.62336号 ·doi:10.1016/0167-9473（96）00011-4
[8] 奇普曼，HA；乔治，EI；McCulloch，RE，Bart:贝叶斯加性回归树，Ann Appl Stat，4，1，266-298（2010）·Zbl 1189.62066号 ·doi:10.1214/09-AOAS285
[9] Claeskens G、Hjort NL等人（2008）模型选择和模型平均。剑桥图书·Zbl 1166.62001号
[10] Conversano，C。；杜塞尔多普，E.，通过后勤分类主干模拟阈值交互效应，J Classif，34，3，399-426（2017）·Zbl 1381.62160号 ·doi:10.1007/s00357-017-9241-y
[11] Cox，DR，《用于评估显著性水平的数据分割注释》，Biometrika，62，2，441-444（1975）·Zbl 0309.62014号 ·doi:10.1093/biomet/62.2.441
[12] Davison AC（2003）统计模型，第11卷。剑桥大学出版社·Zbl 1044.62001年
[13] Doshi-Velez F，Kim B（2017）《走向可解释机器学习的严格科学》。arXiv预印本arXiv:1702.08608
[14] 杜塞尔多夫，E。；Meulman，JJ，发现治疗协变量交互作用的回归树干方法，《心理测量学》，69，3，355-374（2004）·Zbl 1306.62405号 ·doi:10.1007/BF02295641
[15] 杜塞尔多普，E。；Conversano，C。；Van Os，BJ，同时结合加性和基于树的回归模型：STIMA，J Comput Graph Stat，19，3，514-530（2010）·doi:10.1198/jcgs.2010.06089
[16] Efron，B.，《预测、估计和归因》，美国统计协会期刊，115，530，636-655（2020）·Zbl 1445.62327号 ·doi:10.1080/01621459.2020.1762613
[17] 风扇，G。；Gray，JB，使用目标进行回归树分析，J Comput Graph Stat，14，1，206-218（2005）·doi:10.1198/106186005X37210
[18] Fithian W，Sun D，Taylor J（2014）模型选择后的最优推理。arXiv预打印arXiv:1410.2597
[19] Friedman，JH，多元自适应回归样条，Ann Stat，19，1，1-67（1991）·Zbl 0765.62064号
[20] Geurts，P。；Ernst，D。；Wehenkel，L.，《极度随机树》，《马赫学习》，第63、1、3-42页（2006年）·Zbl 1110.68124号 ·doi:10.1007/s10994-006-6226-1
[21] Gottard，A。；Vannucci，G。；GM Marchetti，《基于树的回归模型解释说明》，Biom J，62，6，1564-1573（2020）·Zbl 1448.62166号 ·doi:10.1002/bimj.201900195
[22] Grubinger，T。；Zeileis，A。；Pfeiffer，K-P，evtree:R中全局最优分类和回归树的进化学习，J Stat Softw，61，1，1-29（2014）·doi:10.18637/jss.v061.i01
[23] 吉多蒂，R。；Monreale，A。；Ruggieri，S。；图里尼，F。；Giannotti，F。；Pedreschi，D.，黑箱模型解释方法调查，ACM Compute Surv（CSUR），51，5，93（2018）
[24] Hothorn，T。；霍尼克，K。；Zeileis，A.，无偏递归划分：一个条件推理框架，J Comput Graph Stat，15，35651-674（2006）·doi:10.1198/106186006X133933
[25] Loh，W-Y，带无偏变量选择和交互检测的回归压力，中国统计，12361-386（2002）·Zbl 0998.62042号
[26] Meyer，MC，《进化算法在统计学中的应用》，《计算图统计杂志》，12，2，265-281（2003）·doi:10.1198/1061860031699
[27] Molnar C、König G、Herbinger J、Freiesleben T、Dandl S、Scholbeck CA、Casalicchio G、Grosse-Wentrup M、Bischl B（2020）解释机器学习模型时要避免的陷阱。arXiv预打印arXiv:2007.04131
[28] 默西，SK；Kasif，S。；Salzberg，S.，《斜决策树归纳系统》，J Artif Intell Res，2，1，1-32（1994）·兹比尔0900.68335 ·doi:10.1613/jair.63
[29] R核心团队（2021）R：统计计算的语言和环境。奥地利维也纳R统计计算基金会
[30] Rudin C，Radin J（2019）为什么我们不需要在人工智能中使用黑盒模型？一场可解释的人工智能竞赛的教训。哈佛数据科学评论1（2）。doi:10.1162/99608f92.5a8a3a3d
[31] Shmueli，G.，解释还是预测？，《统计科学》，25，3，289-310（2010）·Zbl 1329.62045号 ·doi:10.1214/10-STS330
[32] Sutton RS、Barto AG等（1998）《强化学习：导论》。麻省理工学院出版社·Zbl 1407.68009号
[33] Voigt P，Von dem Bussche A（2017）《欧盟一般数据保护条例》（GDPR）。摘自：实用指南，第1版。查姆施普林格，第10卷，第3152676页
[34] Wermuth，N。；Cox，DR，关于独立图上定义的关联模型，Bernoulli，4，4，477-495（1998）·Zbl 1037.62054号 ·doi:10.2307/3318662
[35] 朱，R。；曾博士。；科索罗克，MR，强化学习树，J Am Stat Assoc，110，512，1770-1784（2015）·Zbl 1374.68466号 ·doi:10.1080/01621459.2015.1036994
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。