×
王彤;辛西娅·鲁丁;Doshi-Velez，决赛;刘益民;埃里卡·克拉普弗尔;佩里·麦克内尔

用于可解释分类的学习规则集的贝叶斯框架。 （英文） Zbl 1434.68467号

J.马赫。学习。物件。 18（2017-2018），第70号论文，37页（2017）.
摘要：我们提出了一种用于构建分类器的机器学习算法，该分类器由小的数量短的规则。这些是限制析取范式模型。这种形式的分类器示例如下：如果\（X）满足（条件A与条件B）或（条件C）或，然后\（Y=1\）。这种形式的模型的优点是可以被人类专家解释，因为它们产生了一组简洁描述特定类的规则。我们提出了两个具有先验参数的概率模型，用户可以设置这些参数来鼓励模型具有所需的大小和形状，以符合特定领域的可解释性定义。我们提供了一种可扩展的MAP推理方法，并通过迭代修剪搜索空间来开发理论界以减少计算。我们应用我们的方法（贝叶斯规则集（Bayesian Rule Sets，BRS）来描述和预测与车内上下文软件个性化推荐系统相关的用户行为。我们的方法有一个主要与经典的关联分类方法和决策树相比，它的优点是不会贪婪地增长模型。

引用于17文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
2015年1月62日 贝叶斯推断
62H30型 分类和区分；聚类分析（统计方面）

关键词：

析取范式;统计学习;数据挖掘;关联规则;可解释分类器;贝叶斯建模

软件：

FP-增长;CMAR公司;UCI-毫升
PDF格式BibTeX公司 XML格式引用
\textit{T.Wang}等人，J.Mach。学习。第18号决议，第70号论文，37页（2017年；Zbl 1434.68467）
全文： 链接

参考文献：

[1] 格迪米亚斯·阿多马维修斯和亚历山大·图志林。迈向下一代推荐系统：对最先进技术和可能扩展的调查。IEEE传输。在Knowl上。和数据工程，17（6）：734-7492005。ISSN 1041-4347。
[2] 格迪米亚斯·阿多马维修斯和亚历山大·图志林。上下文软件推荐系统。2008年美国纽约州纽约市2008年ACM Rec系统会议程序，RecSys’08，第335-336页。ACM公司·Zbl 1060.68672号
[3] Hiva Allahayari和Niklas Lavesson。面向用户的分类模型可理解性评估。在SCAI中，2011年第11-19页。33
[4] E.Angelino、N.Larus-Stone、D.Alabi、M.Seltzer和C.Rudin。学习分类数据的可证明最优规则列表。2017年第23届ACM SIGKDD知识发现和数据挖掘国际会议（KDD’17）会议记录·Zbl 1473.68134号
[5] K.Bache和M.Lichman。UCI机器学习库，2013年。统一资源定位地址http://archive。ics.uci.edu/ml。
[6] Matthias Baldauf、Schahram Dustdar和Florian Rosenberg。上下文软件系统调查。国际特设和普适计算杂志，2（4）：263-2772007。
[7] 利纳斯·巴尔特鲁纳斯（Linas Baltrunas）、马吕斯·卡明斯卡斯（Marius Kaminskas）、伯恩德·路德维希（Bernd Ludwig）、奥马尔·莫林（Omar Moling。Incarmusic：汽车中的上下文软件音乐推荐。在电子商务和网络技术中，第89-100页。施普林格，2011年。
[8] Elena Baralis、Luca Cagliero、Tania Cerquitelli、Paolo Garza和Marco Marchetti。Cas-mine：通过通用规则在上下文应用程序中提供个性化服务。知识和信息系统，28（2）：283-3102011。
[9] 克里斯蒂安·博尔盖特（Christian Borgelt）。fp-growth算法的实现。在开放源代码数据挖掘：频繁模式挖掘实现的第一次联席研讨会过程中，第1-5页。ACM，2005年。
[10] Endre Boros、Peter L Hammer、Toshihide Ibaraki、Alexander Kogan、Eddy Mayoraz和Ilya Muchnik。数据逻辑分析的实现。IEEE知识与数据工程学报，12（2）：292-3062000。
[11] 谢尔盖·布林（Sergey Brin）、拉杰夫·莫特瓦尼（Rajeev Motwani）和克雷格·西尔弗斯坦（Craig Silverstein）。超越市场篮子：将关联规则推广到相关性。ACM SIGMOD记录，第26卷（2），第265-276页。ACM，1997年。
[12] 陈国庆、刘红燕、余岚、魏强和张兴。一种新的基于关联规则挖掘的分类方法。决策支持系统，42（2）：674-6892006。
[13] 洪诚、严熙凤、韩嘉伟和徐志伟。有效分类的判别频繁模式分析。在ICDE中，第716-725页。IEEE，2007年。
[14] P.Clark和T.Niblett。cn2归纳算法。机器学习，3:261-2831989。
[15] 威廉·科恩。快速有效的规则归纳。第十二届机器学习国际会议论文集，第115-123页，1995年。
[16] Yves Crama、Peter L Hammer和Toshihide Ibaraki。因果关系和部分定义的布尔函数。运筹学年鉴，16（1）：299-3251988·Zbl 0709.03533号
[17] 董国柱，张秀珍，黄利顺，李金燕。Caep：通过聚合新兴模式进行分类。在发现科学国际会议上，第30-42页。斯普林格，1999年。
[18] 维塔利·费尔德曼。近似两级逻辑最小化和带有成员查询的pac学习的困难。在第三十八届ACM计算理论研讨会的会议记录中，第363-372页。ACM，2006年。34 ·Zbl 1301.68214号
[19] 维塔利·费尔德曼。从傅立叶谱学习DNF表达式。CoRR，abs/1203.05942012年。
[20] Eibe Frank和Ian H.Witten。生成精确的规则集而不进行全局优化。《第十五届国际机器学习会议记录》，ICML'98，第144-151页，1998年。
[21] 亚历克斯·A·弗雷塔斯。可理解的分类模型：立场文件。ACM SIGKDD探索新闻稿，15（1）：1-10，2014年3月。
[22] 杰罗姆·H·弗里德曼和尼古拉斯·I·费舍尔。高维数据中的凹凸搜索。统计与计算，9（2）：123-1431999。
[23] 布莱恩·盖恩斯和保罗·康普顿。归纳应用于大型数据库建模的涟漪下降规则。智能信息系统杂志，5（3）：211-2281995。
[24] 辛西娅·鲁丁（Cynthia Rudin）。用于学习不平衡数据的方框图。2014年第20届ACM SIGKDD知识发现和数据挖掘会议论文集。
[25] 约翰·豪泽（John R Hauser）、奥利维尔·图比亚（Olivier Toubia）、西奥多罗斯·埃夫吉尼奥（Theodoros Evgeniou）、雷内·贝福特（Rene Befurt）和达里亚·德扎布拉（Daria Dzyabura）。连词的混淆、认知的简单性和考虑的集合。营销研究杂志，47（3）：485-4962010。
[26] 罗伯特·霍尔特（Robert C.Holte）。非常简单的分类规则在最常用的数据集上表现良好。机器学习，11（1）：63-911993·Zbl 0850.68278号
[27] 约翰·休斯曼（Johan Huysmans）、卡雷尔·德杰格（Karel Dejaeger）、克里斯托夫·梅斯（Christophe Mues）、扬·凡提宁（Jan Vanthenen）和巴特·贝森（Bart Baesens）。对基于决策表、树和规则的预测模型的可理解性进行实证评估。决策支持系统，51（1）：141-1542011。
[28] Chi-Ruey Hwang先生。模拟退火：理论与应用。《数学应用学报》，12（1）：108-1111988年。
[29] 亚当·克莱文斯和洛科·塞韦迪奥。及时学习dnf 2O（n1/3）。2001年，美国纽约州纽约市，STOC'01，第258-265页，第33届美国计算机学会计算机理论年会。ACM公司·Zbl 1323.68328号
[30] Bae-Hee Lee、Heung-Nam Kim、Jin-Guk Jung和Geun-Sik Jo.基于位置的服务，提供餐厅推荐的上下文数据。在数据库和专家系统应用程序中，第430-438页。斯普林格，2006年。
[31] 本杰明·莱瑟姆（Benjamin Letham）、辛西娅·鲁丁（Cynthia Rudin）、泰勒·H·麦考密克（Tyler H.McCormick）和大卫·马迪根（David Madigan）。使用规则和贝叶斯分析的可解释分类器：构建更好的笔画预测模型。《应用统计年鉴》，2015年。经小修改后接受·Zbl 1454.62348号
[32] 李文敏、韩嘉伟和贝健。Cmar：基于多类关联规则的准确高效分类。在ICDM 2001中，第369-376页。IEEE，2001年。
[33] 马炳（Bing Ma）、刘文妮（Wynne Liu）和徐一鸣（Yiming Hsu）。集成分类和关联规则挖掘。第四届知识发现和数据挖掘国际会议（KDD）论文集，1998年。35
[34] 德米特里·马利奥托夫和库什·瓦什尼。通过布尔压缩感知实现精确规则学习。ICML，2013年。
[35] 大卫·马滕斯和巴特·贝森。建立可接受的分类模型。在数据挖掘中，第53-74页。施普林格，2010年。
[36] David Martens、Jan Vantheinen、Wouter Verbeke和Bart Baesens。从用户角度看分类模型的性能。决策支持系统，51（4）：782-7932011。
[37] Tyler McCormick、Cynthia Rudin和David Madigan。序列事件关联规则挖掘的层次模型：一种自动医疗症状预测方法。《应用统计年鉴》，2012年·Zbl 1243.62036号
[38] R.S.Michalski。关于一般覆盖问题的拟最小解。第五届信息处理国际研讨会论文集，第125-1281969页。
[39] 斯蒂芬·马格尔顿（Stephen Muggleton）和吕克·德·雷德（Luc De Raedt）。归纳逻辑程序设计：理论和方法。《逻辑编程杂志》，19:629-6791994年·Zbl 0816.68043号
[40] 何塞·诺格拉（JoséM.Noguera）、曼努埃尔·巴兰科（Manuel J.Barranco）、拉斐尔·塞古拉（Rafael J.Segura）和路易斯·马丁内斯（Luis Martinez）。一个用于旅游业的移动3d-gis混合推荐系统。信息科学，215（0）：37-522012。
[41] Moon Hee Park、Jin Hyuk Hong和Sung Bae Cho。移动设备中使用贝叶斯用户偏好模型的基于位置的推荐系统。《无处不在的智能与计算》，第1130-1139页。施普林格，2007年。
[42] 默里·M·波拉克（Murray M Pollack）、乌斯·E·鲁蒂曼（Urs E Ruttimann）和帕梅拉·R·盖森（Pamela R Getson）。儿童死亡率风险（棱镜）评分。危重病护理医学，16（11）：1110-11161988。
[43] Peter R Rijnbeek和Jan A Kors。通过穷举搜索找到选言范式中简短准确的决策规则。机器学习，80（1）：33-622010·Zbl 1470.68164号
[44] 辛西娅·鲁丁（Cynthia Rudin）、本杰明·莱瑟姆（Benjamin Letham）和大卫·马迪根（David Madigan）。关联规则和序列事件预测的学习理论分析。《机器学习研究杂志》，14:3384-34362013年·Zbl 1317.68184号
[45] 斯特凡·吕平（Stefan Rüping）。学习可解释模型。多特蒙德大学博士论文，2006年。
[46] 罗伯特·夏皮雷（Robert E.Schapire）。使用输出代码来解决多类学习问题。《第十四届国际机器学习会议（ICML）论文集》，313-3211997页。
[47] W Schwinger、Chr Grün、B Pröll、W Retschitzegger和A Schauerhuber。手机旅游指南中的情境意识——一项综合调查。技术报告，林茨约翰内斯·开普勒大学，2005年。
[48] 理查德·萨顿和安德鲁·巴托。强化学习：导论，第1卷。麻省理工学院出版社，剑桥，1998年·Zbl 0465.68041号
[49] 魏光腾、谢明杰和陈明善。关于统计相关项目的替代规则挖掘。在ICDM 2003中，第442-449页。IEEE，2002年。36
[50] 洪文东和冯文洙。移动服务的个性化餐厅推荐代理。IEEE国际电子技术、电子商务和电子服务会议，2004年。（EEE），第259-262页，2004年。
[51] L.G.瓦利安特。可学习理论。Commun公司。ACM，27（11）：1134-11421984年11月。ISSN 0001-0782·Zbl 0587.68077号
[52] Mark Van Setten、Stanislav Pokraev和Johan Koolwaaij。移动旅游应用罗盘中的上下文软件建议。在自适应超媒体和自适应网络系统中，第235-244页。斯普林格，2004年。
[53] 凯蒂安·韦伯特（Katrien Verbert）、尼科斯·马努塞利斯（Nikos Manouselis）、泽维尔·奥乔亚（Xavier Ochoa）、马丁·沃尔珀斯（Martin Wolpers）、亨德里克·德拉赫斯勒（Hendrik Drachsler）、伊万娜·博斯尼克（Ivana Bo。用于学习的上下文软件推荐系统：调查和未来挑战。IEEE学习技术汇刊，5（4）：318-3352012。
[54] 富尔顿·王和辛西娅·鲁丁。下降规则列表。《人工智能与统计学报》（AISTATS），2015年。
[55] Tong Wang、Cynthia Rudin、F Doshi、Yimin Liu、Erica Klampfl和Perry MacNeille。2015年车内优惠券推荐数据集。网址：www.researchgate.net/publication/\318645502_in-vehicle_coupon_recommendation。
[56] 王彤（Tong Wang）、辛西娅·鲁丁（Cynthia Rudin）、芬兰·多西（Finale Doshi）、刘一敏（Yimin Liu）、艾丽卡·克拉姆弗尔（Erica Klampfl）和佩里·麦克尼尔。贝叶斯或和的可解释分类，应用于上下文感知推荐系统。2016年国际数据挖掘会议（ICDM）论文集·Zbl 1434.68467号
[57] 王新喜、大卫·罗森布拉姆和王冶。针对日常活动的上下文软件移动音乐推荐。2012年第20届ACM国际多媒体会议记录，第99-108页。
[58] 杰弗里·韦伯。Opus：一种有效的无序搜索容许算法。J.阿蒂夫。智力。Res.，3:431-4651995·Zbl 0900.68180号
[59] 吴新东、张成琦和张世超。挖掘正关联规则和负关联规则。《第十九届ICML会议记录》，第658-665页。摩根考夫曼出版公司，2002年。
[60] 尹晓欣和韩嘉伟。Cpar：基于预测关联规则的分类。在SDM中，第3卷，第369-376页。SIAM，2003年。
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。