×

关于认知偏好和基于规则的模型的合理性。 (英语) Zbl 1496.68273号

总结:机器学习和数据挖掘的传统智慧是,逻辑模型(如规则集)比其他模型更容易解释,并且在这些基于规则的模型中,较简单的模型比较复杂的模型更容易理解。在本文中,我们通过关注可解释性的一个特定方面,即模型的合理性,对后一种假设提出质疑。大致来说,我们将模型的合理性与用户接受其作为预测解释的可能性等同起来。特别是,我们认为,在所有其他条件都相同的情况下,较长的解释可能比较短的解释更有说服力,而较短模型的主要偏见(这对于学习强大的区分模型来说通常是必要的)可能不适合用户接受所学模型。为此,我们首先总结了支持和反对这一假设的证据,然后在基于大约3000个判断的众包研究中报告了评估结果。结果并没有显示出对简单规则的强烈偏好,但我们可以观察到在某些领域对较长规则的弱偏好。然后,我们将这些结果与众所周知的认知偏差联系起来,例如连接谬误、代表性启发式或识别启发式,并研究它们与规则长度和合理性的关系。

MSC公司:

68T05型 人工智能中的学习和自适应系统
91E10型 认知心理学
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Agrawal,R.、Imielinski,T.和Swami,A.N.(1993)。挖掘大型数据库中项目集之间的关联规则。1993年ACM SIGMOD国际数据管理会议记录(SIGMOD-93)(第207-216页),华盛顿特区。
[2] Allahayari,H。;Lavesson,N。;科菲德·佩特森,A。;海因茨,F。;Langseth,H.,分类模型可理解性的面向用户评估,第11届斯堪的纳维亚人工智能会议论文集(SCAI-11),11-19(2011),特隆赫姆:IOS出版社,特隆赫姆
[3] 阿隆索,J.M。;Castiello,C。;Mencar,C。;Kacprzyk,J。;Pedrycz,W.,《模糊系统的可解释性:当前研究趋势和前景》,《Springer计算智能手册》,219-237(2015),柏林:Springer,柏林
[4] 安德鲁斯,R。;Diederich,J。;Tickle,AB,《从训练好的人工神经网络中提取规则的技术的调查与评论》,基于知识的系统,8,6,373-389(1995)
[5] Bar-Hillel,M.,概率判断中的基本比率谬误,《心理学学报》,44,3,211-233(1980)
[6] Bar Hillel,M.律师。;Neter,E.,《它有多相似与有多可能:概率判断中的分离谬误》,《人格与社会心理学杂志》,65,6,1119-1131(1993)
[7] Baron,J。;Beattie,J。;好时,JC,《诊断推理中的启发式和偏见:II。一致性、信息和确定性,组织行为和人类决策过程,42,1,88-110(1988)
[8] Bensusan,H.(1998)。上帝并不总是用奥卡姆剃刀刮胡子——学习什么时候以及如何修剪。Nédellec,C.&Rouveirol,C.(编辑),《第十届欧洲机器学习会议论文集》(ECML-98)(第119-124页)。
[9] 贝索尔德,TR;d'Avila Garcez,AS;斯坦宁,K。;范德托雷,LWN;van Lambalgen,M.,《非概率不确定性中的推理:逻辑编程和神经符号计算示例》,《思维与机器》,27,1,37-77(2017)
[10] Bibal,A.&Frénay,B.(2016)。机器学习模型和表示的可解释性:简介。第24届欧洲人工神经网络研讨会(ESANN)论文集(第77-82页)。
[11] Blei,DM,概率主题模型,ACM通信,55,4,77-84(2012)
[12] Blumer,A。;埃伦费奇特,A。;Haussler,D。;Warmuth,MK,奥卡姆剃刀,《信息处理快报》,24377-380(1987)·Zbl 0653.68084号
[13] Bringsjord,S.,《心理测量人工智能》,《实验和理论人工智能杂志》,23,3,271-277(2011)
[14] 卡梅勒,C。;韦伯,M.,《建模偏好的最新发展:不确定性和模糊性》,《风险与不确定性杂志》,5,4,325-370(1992)·Zbl 0775.90102号
[15] 卡诺,A。;Zafra,A。;Ventura,S.,《一种可解释的分类规则挖掘算法》,《信息科学》,240,1-20(2013)
[16] Chaney,A.J.和Blei,D.M.(2012年)。可视化主题模型。在第六届网络博客和社交媒体国际会议论文集(ICWSM-12)上。帕洛阿尔托:AAAI出版社。
[17] Chew,SH;埃布斯坦,RP;Zhong,S.,《模糊厌恶和熟悉偏见:来自行为和基因关联研究的证据》,《风险与不确定性杂志》,44,1,1-18(2012)
[18] 华盛顿州克拉克;Avery,KL,统计分析中数据聚合的影响,地理分析,8,4,428-438(1976)
[19] 科恩,WW;Prieditis,A。;Russell,S.,快速有效规则归纳,第12届机器学习国际会议论文集(ML-95),115-123(1995),加利福尼亚州太浩湖:Morgan Kaufmann,加利福尼亚州太浩湖
[20] 克雷文,M。;Shavlik,JW,使用神经网络进行数据挖掘,未来一代计算系统,13,2-3,211-229(1997)
[21] 碎屑,MJ;合资公司McDonnell;Gureckis,TM,《评估亚马逊的机械突厥作为实验行为研究的工具》,《公共科学图书馆·综合》,8,3,e57410(2013)
[22] Dempster,AP,多值映射诱导的上下概率,《数理统计年鉴》,38,2,325-339(1967)·Zbl 0168.17501号
[23] Dhurandhar,A。;Hüllermier,E。;Kestler,H。;威廉,A.,你的理解力如何?量化可解释性的框架,《欧洲数据分析会议摘要》(ECDA-18),58-59(2018),德国:帕德博恩,德国
[24] Dhurandhar,A.、Iyengar,V.、Luss,R.和Shanmugam,K.(2017年)。提示:对程序的可解释性进行分类。arXiv预打印arXiv:1706.02952。
[25] Domingos,P.,《奥卡姆剃刀在知识发现、数据挖掘和知识发现中的作用》,3,4,409-425(1999)
[26] Dua,D.和Karra Taniskidou,E.(2017年)。UCI机器学习库。加利福尼亚大学信息与计算机科学学院。http://archive.ics.uci.edu/ml。
[27] Duivesteijn,W。;塞尺,A。;Knobbe,AJ,例外模型挖掘-具有复杂目标概念的受监督描述性局部模式挖掘,数据挖掘和知识发现,30,1,47-98(2016)·兹比尔1411.68096
[28] Elkan,C.(2001)。成本敏感学习的基础。第17届国际人工智能联合会议记录(IJCAI-01)(第973-978页)。
[29] Ellsberg,D.,风险、歧义和野蛮公理,《经济学季刊》,75,4,643-669(1961)·Zbl 1280.91045号
[30] 范蒂诺,E。;库利克,J。;斯托拉兹·范蒂诺,S。;Wright,W.,《连词谬误:平均假设的检验》,《心理学公报与评论》,4,1,96-101(1997)
[31] 法耶兹,美国。;Piatetsky-Shapiro,G。;Smyth,P.,从大量数据中提取有用知识的KDD过程,ACM通信,39,11,27-34(1996)
[32] Fellbaum,C.,WordNet:电子词汇数据库(1998),马萨诸塞州剑桥市:麻省理工学院出版社·Zbl 0913.68054号
[33] Fernbach,PM;Darlow,A。;Sloman,SA,《当好的证据变坏:弱证据在判断和决策中的作用》,《认知》,119,3459-467(2011)
[34] Freitas,AA,《可理解的分类模型:立场文件》,SIGKDD Explorations,15,1,1-10(2013)
[35] Fürnkranz,J。;莫里克(Morik,K.)。;布利考,J-F;Siebes,A.,《从局部模式到全局模式:规则学习算法中的评估问题》,局部模式检测,20-38(2005),柏林:施普林格出版社,柏林
[36] Fürnkranz,J。;Flach,PA,ROC“n”规则学习——为了更好地理解覆盖算法,机器学习,58,1,39-77(2005)·Zbl 1075.68071号
[37] Fürnkranz,J。;Klieger,T。;北巴西利亚德斯。;Gottlob,G。;萨德里,F。;Paschke,A。;Roman,D.,《规则学习的简要概述》,第九届规则技术国际研讨会论文集:基础、工具和应用(RuleML-15),54-69(2015),柏林:施普林格,柏林
[38] Fürnkranz,J。;AJ Knobbe,客座编辑:使用本地模式的全球建模,数据挖掘和知识发现,21,1,1-8(2010)
[39] Fürnkranz,J。;Gamberger,D。;Lavrać,N.,《规则学习基础》(2012),柏林:施普林格出版社,柏林·Zbl 1263.68002号
[40] Furr,RM;Bacharach,VR,《心理测量学:简介》(2008),加利福尼亚州千橡树:Sage,千橡树,加利福尼亚州
[41] 加布里埃尔,A。;Paulheim,H。;杨森,F。;塞利尔,P。;查诺伊斯,T。;霍托,A。;马特温,S。;莫恩斯,M-F;Toussant,Y.,《学习语义连贯规则》,《ECML/PKDD-14数据挖掘与自然语言处理相互作用国际研讨会论文集》,49-63(2014),南希:《CEUR研讨会论文集,南希》
[42] Gall,R.(2019)。机器学习可解释性与可解释性:两个可以帮助恢复AI信任的概念。KDnuggets News,19(1)。https://www.kdtrunks.com/2018/12/machinelearning-eexplainability-interpretability-ai.html。
[43] Gamberger,D。;Lavrać,N.,《主动亚群挖掘:冠心病风险群检测的案例研究》,《医学中的人工智能》,28,1,27-57(2003)
[44] 甘特尔,B。;Wille,R.,《形式概念分析——数学基础》(1999),柏林:施普林格出版社,柏林·Zbl 0909.06001号
[45] 盖尔,AB;罗津,P。;Doros,G.,Unit偏倚一种新的启发式方法,有助于解释份量对食物摄入的影响,《心理科学》,17,6,521-525(2006)
[46] Gigerenzer,G.,《简单理性:现实世界中的决策》(2015),纽约:牛津大学出版社,纽约
[47] Gigerenzer,G.,Todd,P.和美国广播公司集团。(1999). 让我们变得聪明的简单启发式。进化与认知系列。牛津:牛津大学出版社。
[48] Gigerenzer,G。;Hertwig,R。;Pachur,T.,《启发式:适应性行为的基础》(2011),纽约:牛津大学出版社,纽约
[49] Gillies,M.、Fiebrink,R.、Tanaka,A.、Garcia,J.、Bevilacqua,F.、Héloir,A.、Nunnari,F、Mackay,W.E.、Amershi,S.、Lee,B.、D'Alessandro,N.、Tilmanne,J.,Kulesza,T.和Caramiaux,B.(2016)。以人为中心的机器学习。《ACM计算机系统人为因素会议论文集》(CHI-16)(第3558-3565页)。纽约:ACM。
[50] Gilovich,T。;萨维茨基,K。;Gilovich,T。;格里芬,D。;Kahnemann,D.,Like with Like:代表性在错误和伪科学信念、启发式和偏见中的作用:直觉判断的心理学第34章,617-624(2002),剑桥:剑桥大学出版社,剑桥
[51] Gilovich,T。;格里芬,D。;Kahnemann,D.,《启发式和偏见:直觉判断的心理学》(2002),纽约:剑桥大学出版社,纽约
[52] Goldstein,D.G.和Gigerenzer,G.(1999)。认知启发:无知如何使我们聪明。《让我们变得聪明的简单启发式》(第37-58页)。牛津:牛津大学出版社。
[53] Goldstein,总干事;Gigerenzer,G.,《生态理性模型:认知启发式》,《心理学评论》,109,175-90(2002)
[54] 格里芬,D。;Tversky,A.,《证据的权衡和信心的决定因素》,认知心理学,24,3,411-435(1992)
[55] Grünwald,PD,最小描述长度原则(2007),剑桥:麻省理工学院出版社,剑桥
[56] Hahn,H.,U berflüssige Wesenheiten:Occams Rasiermesser(1930),维也纳:Veröffentlichungen des Vereines Ernst Mach,维也纳
[57] 哈斯勒,M。;Chelluboina,S。;霍尼克,K。;Buchta,C.,《阿鲁尔斯R-package生态系统:从大型事务数据集分析有趣的模式》,《机器学习研究杂志》,2021-2025年12月(2011年)·兹比尔1280.68011
[58] Hasher,L。;Goldstein,D。;托皮诺,T.,《频率与指称有效性会议》,《言语学习与言语行为杂志》,第16期,第1期,第107-112页(1977年)
[59] 亨佩尔,CG;奥本海姆,P.,《解释逻辑研究》,《科学哲学》,第15、2、135-175页(1948年)
[60] Hernández-Orallo,J.,《全神贯注的测量——评估自然和人工智能》(2017),剑桥:剑桥大学出版社,剑桥
[61] Hertwig,R。;奔驰,B。;克劳斯(Krauss,S.),《与的连接谬误和多种含义》,《认知》,108,3,740-753(2008)
[62] Hintzman,DL,《学习与记忆心理学》(1978),达拉斯:弗里曼,达拉斯
[63] 胡,J。;Mojsilovic,A.,《高效用模式挖掘:发现高效用项目集的方法》,模式识别,40,11,3317-3324(2007)·Zbl 1123.68360号
[64] Hu,Z.,Ma,X.,Liu,Z.、Hovy,E.H.和Xing,E.P.(2016)。利用逻辑规则控制深层神经网络。《计算语言学协会第54届年会论文集》(ACL-16),第1卷:长篇论文,柏林:计算机语言学协会。
[65] Hüllermier,E.,《从基于知识到数据驱动的模糊模型——发展、批评和替代方向》,Informatik Spektrum,38,6,500-509(2015)
[66] Huysmans,J。;Dejaeger,K。;梅斯,C。;Vantheinen,J。;Baesens,B.,《决策表、基于树和规则的预测模型可理解性的实证评估》,《决策支持系统》,51,1,141-154(2011)
[67] Jair Escalante,H。;Escalera,S。;盖恩,I。;巴罗,X。;Güçlütürk,Y。;Güçlü,美国。;van Gerven,MA J.,《计算机视觉和机器学习中的可解释和可解释模型》(2018),柏林:施普林格出版社,柏林
[68] 贾普科维奇,N。;Shah,M.,《评估学习算法:分类视角》(2011),剑桥:剑桥大学出版社,剑桥·Zbl 1230.68020号
[69] Johnson-Laird,PN,《理解是心理模型的构建》。,伦敦皇家学会哲学学报B辑,生物科学,295353-74(1981)
[70] Kahneman,D.,《判断与选择的视角》,美国心理学家,58,9697-720(2003)
[71] Kahneman,D.(2011年)。思考。斯特劳斯和吉鲁:快和慢。法拉。国际标准图书编号9781429969352。
[72] Kahneman,D。;特维斯基,A.,《预测心理学》,《心理学评论》,80,4,237-251(1973)
[73] Kahneman,D。;斯洛文尼亚语,P。;Tversky,A.,《不确定性下的判断:启发式和偏见》(1982),纽约:剑桥大学出版社,纽约
[74] Kanouse,D.E.和Hanson,L.R,Jr.(1987年)。评价中的否定性。归因:感知行为的原因。希尔斯代尔:劳伦斯·埃尔鲍姆联合公司。
[75] Kemeny,JG,《归纳法中简单性的使用》,《哲学评论》,62,3,391-408(1953)
[76] 肯德尔,M。;Gibbons,JD,秩相关方法(1990),伦敦:爱德华·阿诺德,伦敦·Zbl 0732.62057号
[77] 凯恩斯,JM,《概率论论文》(1922),伦敦:麦克米伦公司,伦敦
[78] Kijsirikul,B.、Numao,M.和Shimura,M.(1992年)。基于判别的逻辑程序构造归纳法。《第十届全国人工智能会议论文集》(AAAI-92)(第44-49页)。
[79] Kim,B.、Malioutov,D.和Varshney,K.(编辑)。(2016). ICML-16机器学习中人类可解释性研讨会会议记录(WHI-16),纽约。
[80] Kim,B。;马里奥托夫,DM;肯塔基州瓦什尼;Weller,A.,《ICML-17机器学习中人类可理解性研讨会论文集》(WHI-17)(2017),悉尼:澳大利亚,悉尼
[81] Kim,B。;肯塔基州瓦什尼;Weller,A.,《ICML-18机器学习中人类可理解性研讨会论文集》(WHI-18)(2018),瑞典:斯德哥尔摩,瑞典
[82] Kleinberg,JM;Papadimitriou,CH;Raghavan,P.,《数据挖掘的微观经济学观点》,数据挖掘与知识发现,2,4,311-324(1998)
[83] Klieger,T.,Bahník,Š.和Fürnkranz,J.(2018)。认知偏差对基于规则的机器学习模型解释的可能影响综述。arXiv预印arXiv:1804.02969。
[84] Klieger,T.(2017)。认知偏差对人类理解基于规则的机器学习的影响。学位论文。伦敦:伦敦玛丽女王大学。https://qmro.qmul.ac.uk/xmlui/handle/123456789/31851
[85] Knobbe,A.J.、Crémilleux,B.、Fürnkranz,J.和Scholz,M.(2008)。从局部模式到全局模型:数据挖掘的LeGo方法。A.J.Knobbe(编辑),《从局部模式到全球模型:ECML/PKDD-08研讨会论文集》(LeGo-08)(第1-16页),比利时安特卫普。
[86] Kodratoff,Y.(1994年)。可理解性宣言。KDnuggets,94(9)(客座编辑简介,AI Communications,7(2),83-85)。
[87] Kok,S.和Domingos,P.M.(2007年)。统计谓词发明。Z.Ghahramani(编辑),《第24届机器学习国际会议论文集》(ICML-07)(第433-440页),Corvallis:ACM。
[88] Kononenko,I.,医学诊断中的归纳和贝叶斯学习,应用人工智能,7317-337(1993)
[89] Kralj Novak,P。;拉夫拉奇,N。;Webb,GI,《监督描述性规则发现:对比集、新兴模式和子组挖掘的统一调查》,《机器学习研究杂志》,10,377-403(2009)·Zbl 1235.68178号
[90] Lakkaraju,H.、Bach,S.H.和Leskovec,J.(2016)。可解释决策集:描述和预测的联合框架。B.Krishnapuram、M.Shah、A.J.Smola、C.C.Aggarwal、D.Shen和R.Rastogi(编辑),第22届ACM SIGKDD知识发现和数据挖掘国际会议论文集(KDD-16)(第1675-1684页)。加利福尼亚州旧金山:ACM。
[91] LeCun,Y。;Y.本吉奥。;Hinton,G.,《深度学习》,《自然》,521,7553,436-444(2015)
[92] 李,M。;Vitányi,P.,《科尔莫戈罗夫复杂性及其应用简介》(1993),柏林:施普林格出版社,柏林·Zbl 0805.68063号
[93] Lincoff,GH,《Audubon society北美蘑菇野外指南》(1981),纽约:Knopf,纽约
[94] Lipton,Z.C.(2016)。模型可解释性的神话。在纽约州纽约市2016年ICML机器学习中人类可理解性研讨会(WHI-16)上发表。arXiv预打印arXiv:1606.03490。
[95] 马库,M。;Singh,S.,《新颖性检测:综述——第1部分:统计方法,信号处理》,83,12,2481-2497(2003)·Zbl 1145.94402号
[96] 马库,M。;Singh,S.,《新颖性检测:综述——第2部分:基于神经网络的方法》,《信号处理》,第83、12、2499-2521页(2003年)·Zbl 1145.94403号
[97] Martens,D.和Baesens,B.(2010年)。建立可接受的分类模型。R.Stahlbock、S.F.Crone和S.Lessmann(编辑),《数据挖掘》,信息系统编年史第8卷(第53-74页)。柏林:斯普林格。
[98] Martens,D。;Provost,FJ,解释数据驱动的文件分类,MIS Quarterly,38,1,73-99(2014)
[99] Martens,D。;Vantheinen,J。;韦贝克,W。;Baesens,B.,从用户角度看分类模型的性能,决策支持系统,51,4,782-793(2011)
[100] 马蒂尔,KA;肯普,RI;沃特金斯,I。;马萨诸塞州赛尔;Newell,BR,《不确定法医学证据的表达和解释:语言等效性、证据强度和弱证据效应》,《法律与人类行为》,37,3,197-207(2013)
[101] Matheus,C.J.(1989)。建设性归纳框架,载于第六届机器学习国际研讨会论文集(第474-475页)。
[102] Mayes,G.R.(2001)。解释理论。互联网哲学百科全书。https://www.iep.utm.edu/explanat/。
[103] Mehta,M.、Rissanen,J.和Agrawal,R.(1995年)。基于MDL的决策树剪枝。在U.Fayyad和Uthurusamy,R.(编辑),《第一届知识发现和数据挖掘国际会议论文集》(KDD-95)(第216-221页)。AAAI出版社。
[104] Michalski,RS,归纳学习的理论和方法,人工智能,20,2,111-162(1983)
[105] Mikolov,T.、Sutskever,I.、Chen,K.、Corrado,G.S.和Dean,J.(2013)。单词和短语的分布式表示及其组成。C.Burges、L.Bottou、M.Welling、Z.Ghahramani和K.Weinberger(编辑)《神经信息处理系统进展》26(NIPS)(第3111-3119页)。
[106] Miller,T.,《人工智能的解释:来自社会科学的见解》,人工智能,267,1,1-38(2019)·兹比尔1478.68274
[107] Minnaert,B。;Martens,D。;医学博士Backer;Baesens,B.,调整或不调整:基于元启发式的顺序覆盖算法的规则评估,数据挖掘和知识发现,29,1,237-272(2015)
[108] Mitchell,TM,《机器学习》(1997),纽约:McGraw-Hill,纽约·Zbl 0913.68167号
[109] Molnar,C.(2019)。可解释的机器学习——使黑盒模型可解释的指南。https://christophm.github.io/createable-ml-book/。
[110] 莫里克(Morik,K.)。;Wrobel,S。;基茨,J-U;Emde,W.,《知识获取和机器学习——理论、方法和应用》(1993),伦敦:学术出版社,伦敦
[111] 麻格尔顿,SH;I.布拉特科。;Lavrać,N.,通过提问构建知识,机器学习进展,218-229(1987),威尔姆斯洛:西格玛出版社,威尔姆斯罗
[112] Muggleton,S.H.和Buntine,W.L.(1988)。通过反向解析实现一阶谓词的机器发明。第五届机器学习国际会议论文集(ML-88)(第339-352页)。
[113] 麻格尔顿,SH;Lin,D。;Tamaddoni Nezhad,A.,高阶二元数据日志的元解释学习:重新审视谓词发明,机器学习,100,1,49-73(2015)·Zbl 1346.68119号
[114] 麻格尔顿,SH;施密德,美国。;泽勒,C。;Tamaddoni-Nezhad,A。;Besold,T.,《超强机器学习:使用ILP学习的程序的可理解性》,《机器学习》,107,7,1119-1140(2018)·Zbl 1461.68191号
[115] Müller,K.-R.,Vedaldi,A.,Hansen,L.K.,Samek,W.,&Motavon,G.(编辑)。(2017). NIPS-17深度学习口译、解释和可视化研讨会会议记录。。。现在怎么办?长滩。
[116] Munroe,R.(2013)。科尔莫戈罗夫方向。xkcd.com,一本关于浪漫、讽刺、数学和语言的网络漫画。https://xkcd.com/1155/。
[117] 项目经理墨菲;Pazzani,MJ,《探索决策森林:Occam剃刀在决策树归纳中的实证研究》,《人工智能研究杂志》,1257-275(1994)·Zbl 0900.68386号
[118] Needham,S.L.和Dowe,D.L.(2001年)。消息长度是决策树归纳中有效的Ockham剃刀。第八届人工智能与统计国际研讨会论文集(AI+STATS-01),佛罗里达州基韦斯特(253-260页)。
[119] Newson,R.,“非参数”统计背后的参数:Kendall’s tau,Somers’d和中位数差异,《统计杂志》,245-64(2002)
[120] Nickerson,RS,《确认偏见:以多种形式出现的普遍现象》,《普通心理学评论》,第2期,第175-220页(1998年)
[121] Pachur,T。;Hertwig,R.,《关于认知启发式的心理学:检索优先作为其使用的关键决定因素》,《实验心理学杂志:学习、记忆和认知》,32,5,983-1002(2006)
[122] Page,L.、Brin,S.、Motwani,R.和Winograd,T.(1999)。PageRank引文排名:给网络带来秩序。技术报告1999-66,斯坦福信息实验室。
[123] Paolacci,G。;Chandler,J.,《突厥内部:将机械突厥理解为参与者群体》,《心理科学的当前方向》,第23、3、184-188页(2014年)
[124] Paolacci,G。;钱德勒,J。;Ipeirotis,PG,《亚马逊机械突厥的运行实验,判断与决策》,5,5,411-419(2010)
[125] Paulheim,H.(2012年a)。从链接的开放数据中生成统计信息的可能解释。第九届扩展语义网络会议(ESWC-12)论文集(第560-574页)。柏林:斯普林格。
[126] Paulheim,H.(2012年b)。没有人愿意生活在一个没有音乐录制的寒冷城市——用解释-a-LOD分析统计数据。在语义网:ESWC 2012卫星活动。希腊克里特岛伊拉克利翁。修订论文集(第560-574页)。斯普林格。
[127] Paulheim,H.&Fürnkranz,J.(2012)。从链接的开放数据无监督生成数据挖掘功能。第二届网络智能、挖掘和语义学国际会议论文集(WIMS-12)(第31:1-31:12页)。ACM公司。
[128] Pazzani,MJ,从数据中发现知识?,IEEE智能系统及其应用,15,2,10-12(2000)
[129] 巴扎尼,MJ;马尼,S。;Shankle,WR,医学专家对机器学习生成规则的接受,医学信息方法,40,5,380-385(2001)
[130] 佩哈兹,R。;Gens,R。;佩恩科普夫,F。;Domingos,PM,《关于sum-product网络中潜在变量的解释》,IEEE模式分析和机器智能汇刊,39,10,2030-2044(2017)
[131] Pfahringer,B.(1994)。控制CiPF中的构造归纳法:MDL方法。P.B.Braddil(编辑),《第七届欧洲机器学习会议论文集》(ECML-94)(第242-256页)。卡塔尼亚:斯普林格。
[132] Pfahringer,B.(1995)。一种新的用于鲁棒规则归纳的MDL度量(扩展抽象)。《第八届欧洲机器学习会议论文集》(ECML-95)(第331-334页)。柏林:斯普林格。
[133] Piatetsky-Shapiro,G.(2018年)。GPDR会使机器学习非法吗?KDnuggets,18(12)。https://www.kdnuggets.com/2018/03/gdpr-machine-learning-illegal.html。
[134] Piltaver,R。;卢斯特雷克,M。;Gams,M。;Martinć-Ipšić,S.,什么使分类树易于理解?,应用专家系统,62,333-346(2016)
[135] Plous,S.,《判断和决策心理学》(1993),纽约:麦格劳-希尔图书公司,纽约
[136] Pohl,R.,《认知错觉:思维、判断和记忆中的谬误和偏见手册》(2017),伦敦:心理学出版社,伦敦
[137] 波普尔,KR,Logik der Forschung:zur Erkenntnistheorie der modernen Naturwissenschaft(1935),柏林:弗拉格·冯·朱利叶斯·斯普林格,柏林·JFM 61.0977.04号
[138] 波普尔,KR,《科学发现的逻辑》(1959),伦敦:哈钦森公司,伦敦·Zbl 0083.24104号
[139] Post,H.,《科学理论的简单性》,《英国科学哲学杂志》,11,41,32-41(1960)
[140] 昆兰,JR,从关系中学习逻辑定义,机器学习,5239-266(1990)
[141] Ribeiro,M.T.、Singh,S.和Guestrin,C.(2016)。“我为什么要相信你?”:解释任何分类器的预测。B.Krishnapuram、M.Shah、A.J.Smola、C.Aggarwal、D.Shen和R.Rastogi(编辑)第22届ACM SIGKDD知识发现和数据挖掘国际会议(KDD-16)会议记录(第1135-1144页),加利福尼亚州旧金山:ACM。
[142] Rissanen,J.,《最短数据描述建模》,Automatica,1465-471(1978)·Zbl 0418.93079号
[143] Ristoski,P.、de Vries,G.K.D.和Paulheim,H.(2016)。语义网机器学习系统评估的基准数据集集合。P.T.Groth、E.Simperl、A.J.G.Gray、M.Sabou、M.Krötzsch、F.Lécué、F.Föck和Gil,Y.(编辑),《第十五届国际语义网络会议论文集》(ISWC-16),第二部分(第186-194页),日本神户。
[144] Ristoski,P.和Paulheim,H.(2013)。利用链接开放数据中的背景知识分析统计数据。S.Capadisli、F.Cotton、R.Cyganiak、A.Haller、A.Hamilton和R.Troncy(编辑),第一届语义统计国际研讨会论文集(SemStats-13)。CEUR研讨会记录1549,澳大利亚悉尼。
[145] 罗宾逊,WS,《生态关联与个人行为》,《美国社会学评论》,第15、3、351-337页(1950年)
[146] Rothe,S.和Schütze,H.(2016)。有意义超稠密子空间中的字嵌入演算。《计算语言学协会第54届年会论文集》(ACL-15)(第512-517页)。斯特劳德斯堡:ACL。
[147] Schmid,U.、Zeller,C.、Besold,T.、Tamaddoni-Nezhad,A.和Muggleton,S.(2017年)。谓词发明如何影响人类的可理解性?J.Cussens和A.Russo(编辑),第26届归纳逻辑编程国际会议论文集(ILP-16)(第52-67页)。伦敦:斯普林格。
[148] Schmidhuber,J.,神经网络中的深度学习:综述,神经网络,61,85-117(2015)
[149] 施密茨,GPJ;奥尔德里奇,C。;Gouws,FS,ANN-DT:从人工神经网络中提取决策树的算法,IEEE神经网络汇刊,10,6,1392-1401(1999)
[150] Shafer,G.,《证据的数学理论》(1976),普林斯顿:普林斯顿大学出版社,普林斯顿·Zbl 0359.62002号
[151] 侧面,A。;Osherson,D。;北卡罗来纳州博尼尼。;Viale,R.,《关于连接谬误的现实,记忆与认知》,30,2,191-198(2002)
[152] 爱沙尼亚·史密斯;绍本,EJ;里普斯,LJ,《语义记忆的结构和过程:语义决策的特征模型》,《心理学评论》,1214-2411974年第1期(1974年)
[153] Sommer,E.(1996)。理论重构——基于知识的系统设计与维护的视角。德国多特蒙德技术大学博士论文,DISKI第171卷。中缀·Zbl 0864.68102号
[154] 斯塔尔,I。;De Raedt,L.,归纳逻辑编程中的谓词发明,《归纳逻辑编程进展》,34-47(1996),阿姆斯特丹:阿姆斯特丹IOS出版社·Zbl 0845.68002号
[155] Stecher,J.、Janssen,F.和Fürnkranz,J.(2014年9月)。在归纳规则学习中分离规则精化和规则选择启发式。In T.Calders,F.Esposito,E.Hüllermeier,&R.Meo(Eds.)《欧洲机器学习与数据库知识发现原理与实践会议论文集》(ECML-PKDD-14),第3部分(第114-129页)。南希:斯普林格。
[156] Stecher,J.、Janssen,F.和Fürnkranz,J.(2016)。规则越短越好,不是吗?T.Calders、M.Ceci和D.Malerba(编辑),《第19届发现科学国际会议论文集》(DS-16)(第279-294页)。柏林:斯普林格。
[157] Stumme,G。;陶伊,R。;巴斯蒂德,Y。;北帕斯奎尔。;Lakhal,L.,《用泰坦尼克号计算冰山概念格》,数据与知识工程,42,2,189-222(2002)·Zbl 0996.68046号
[158] Tentori,K。;Crupi,V.,《论连接谬误和意义又一次:对Hertwig,Benz和Krauss(2008)的回复》,《认知》,122,2,123-134(2012)
[159] 桑代克,EL,《首要地位的影响》,《实验心理学杂志》,10,1,18-29(1927)
[160] Todorovski,L.、Flach,P.和Lavrać,N.(2000年)。加权相对精度的预测性能。第四届欧洲数据挖掘和知识发现原理研讨会论文集(PKDD-2000)(第255-264页)。
[161] Tosi,A.、Vellido,A.和Alvarez,M.(编辑)。(2017). 长滩NIPS-17安全关键环境中透明和可解释机器学习研讨会会议记录(TIML-17)。
[162] Thagard,P.,解释连贯性,行为与脑科学,12,3,435-467(1989)
[163] 交易,序号;d'Avila Garcez,AS,深度逻辑网络:从深度信念网络中插入和提取知识,IEEE神经网络和学习系统汇刊,29,2,246-258(2018)
[164] 特维斯基,A。;Kahneman,D.,《相信小数定律》,《心理学公报》,76,2,105-110(1971)
[165] 特维斯基,A。;Kahneman,D.,《可用性:判断频率和概率的启发式方法》,认知心理学,5,2,207-232(1973)
[166] 特维斯基,A。;Kahneman,D.,《不确定性下的判断:启发式和偏见》,《科学》,18541571124-1131(1974)
[167] 特维斯基,A。;Kahneman,D.,《扩展与直觉推理:概率判断中的连接谬误》,《心理学评论》,90,4,293-315(1983)
[168] 特维斯基,A。;Simonson,I.,上下文相关偏好,《管理科学》,39,10,1179-1189(1993)·Zbl 0800.90037号
[169] Valmarska,A。;拉夫拉奇,N。;Fürnkranz,J。;Robnik-Sikonja,M.,《子群发现和分类规则学习中的优化和选择启发式》,《应用专家系统》,81,147-162(2017)
[170] van den Eijkel,G。;Berthold,M。;Hand,D.,规则归纳,智能数据分析:简介,195-216(1999),柏林:施普林格出版社,柏林·Zbl 0928.68033号
[171] Van Fraassen,BC,解释的语用学,《美国哲学季刊》,14,2,143-150(1977)
[172] 弗瑞肯,J。;van Leeuwen,M。;Siebes,A.,Krimp:压缩的挖掘项集,《数据挖掘与知识发现》,第23、1、169-214页(2011年)·Zbl 1235.68071号
[173] 华莱士,CS;博尔顿,DM,《分类的信息度量》,《计算机杂志》,第11期,185-194页(1968年)·Zbl 0164.46208号
[174] Wang,S.、Huang,C.、Yao,Y.和Chan,A.(2015)。基于机械突厥语的实验与基于实验室的实验:语义透明度评级数据比较的案例研究。《第29届亚太语言、信息和计算会议论文集》(PACLIC-15),上海:ACL。
[175] Wang,T。;鲁丁,C。;Doshi-Velez,F。;刘,Y。;Klampfl,E。;MacNeille,P.,《可解释分类学习规则集的贝叶斯框架》,《机器学习研究杂志》,18,70:1-70:37(2017)·Zbl 1434.68467号
[176] Webb,GI,反对Occam剃刀效用的进一步实验证据,《人工智能研究杂志》,4397-417(1996)·Zbl 0900.68367号
[177] Webb,GI,《发现重要模式》,机器学习,68,1,1-33(2007)·Zbl 1470.68195号
[178] Weihs,C。;密苏里州桑德豪斯;施瓦格,M。;Opitz,O.,将心理拟合和数据拟合相结合用于分类规则选择,实证研究中的探索性数据分析。分类、数据分析和知识组织研究,188-203(2003),柏林:施普林格,柏林
[179] Wille,R。;Rival,I.,《重构格理论:基于概念层次的方法》,《有序集》,445-470(1982),Dordrecht-Boston:Reidel,Dordracht-Boston·Zbl 0491.06008号
[180] Wilson,A.G.、Kim,B.和Herland,W.(编辑)(2016年)。NIPS-16复杂系统可解释机器学习研讨会论文集。西班牙巴塞罗那。
[181] Wnek,J。;Michalski,RS,《AQ17-HCI中假设驱动的构造归纳法:方法和实验》,机器学习,14,2,139-168(1994)·Zbl 0804.68125号
[182] Zajonc,RB,单纯暴露的态度影响,《人格与社会心理学杂志》,9,2-2,1-27(1968)
[183] Zaki,M.J.和Xiao,C.J.(2002)。CHARM:一种有效的闭项集挖掘算法。R.L.Grossman、J.Han、V.Kumar、H.Mannila和R.Motwani(编辑),第二届SIAM数据挖掘国际会议论文集(SDM-02)。弗吉尼亚州阿灵顿。
[184] Zeiler,M.D.和Fergus,R.(2014)。可视化和理解卷积网络。D.Fleet、T.Pajdla、B.Schiele和T.Tuytelaars(编辑),第13届欧洲计算机视觉会议论文集(ECCV-14)(第818-833页)。柏林:斯普林格。
[185] Zilke,J.R.、Loza Mencía,E.和Janssen,F.(2016)。从深度神经网络中提取DeepRED规则。T.Calders、M.Ceci和D.Malerba(编辑),《第19届发现科学国际会议论文集》(DS-16)(第457-473页)。巴里:斯普林格。
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。