×
法哈德·沙克林

非单调逻辑程序的归纳，以解释统计学习模型。 （英语） Zbl 07453141号

Bogaerts，Bart（ed.）等人，《第35届逻辑编程（技术通信）国际会议论文集》，2019年ICLP，美国拉斯克鲁塞斯，2019月20日至25日。滑铁卢：开放出版协会（OPA）。电子。程序。西奥。计算。科学。（EPTCS）306379-388（2019）。
摘要：我们提出了一种快速且可扩展的算法，用于从统计学习模型中导出非单调逻辑程序。我们将搜索最佳子句的问题简化为高效用项集挖掘（HUIM）问题的实例。在HUIM问题中，特征值及其重要性分别被视为事务和实用程序。我们使用TreeExplainer（可解释人工智能工具SHAP的快速可扩展实现）从集成树模型中提取局部重要特征及其权重。我们使用UCI标准基准测试的实验表明，与先进的归纳逻辑编程（ILP）系统ALEPH相比，训练算法在分类评估指标和运行时间方面有了显著改进。
关于整个系列，请参见[Zbl 1464.68003号].

MSC公司：

68N17号 逻辑编程

软件：

阿莱夫;github;形状;QuickFOIL公司;XGBoost公司;FOCI公司
PDF格式BibTeX公司 XML格式引用
\textit{F.Shakerin}，电子。程序。西奥。计算。科学。（EPTCS）306379-388（2019；Zbl 07453141）
全文： arXiv公司 链接

参考文献：

[1] 可解释人工智能（XAI），doi:10.23919/MIPRO.2018.8400040。可在网址：https://www。darpa.mil/program/explaninable-人工智能。 ·doi:10.23919/MIPRO.2018.8400040
[2] 奇塔·巴拉尔（2003）：知识表征、推理和陈述性问题解决。剑桥大学出版社，剑桥，纽约，墨尔本，doi:10.1017/CBO9780511543357·Zbl 1192.68666号 ·doi:10.1017/CBO9780511543357
[3] Tianqi Chen和Carlos Guestrin（2016）：XGBoost：一个可扩展的树木增强系统。收录：22Nd ACM SIGKDD会议记录，KDD’16，第785-794页，doi:10.1145/2939672.29339785·doi:10.1145/2939672.29339785
[4] 甘文生、林春伟、菲利普·福尼尔、赵汉哲、洪子培和富田哈密多（2018）：增量高效用项目集挖掘调查。威利公司（Wiley Interdiscip）。版本数据最小知识。迪斯科。8（2），doi:10.1609/aaai.v33i01.33013052·doi:10.1609/aaai.v33i01.33013052
[5] Michael Gelfond和Yulia Kahl（2014）：知识表示、推理和智能代理的设计：答案集编程方法。剑桥大学出版社，美国纽约州纽约市，doi:10.1017/CBO9781139342124·doi:10.1017/CBO9781139342124
[6] M.Lichman（2013）：UCI、ML Repository、，http://archive.ics.uci.edu/ml。
[7] Scott M Lundberg和Su-In Lee（2017）：解释模型预测的统一方法。https://github.com/slundberg/shap。
[8] K.L.McMillan（2005）：一个插值定理的证明。西奥。计算。科学。345（1），第101-121页，doi:10.1016/j.tcs.2005.07.003·Zbl 1079.68092号 ·doi:10.1016/j.tcs.2005.07003
[9] Stephen Muggleton（1991）：归纳逻辑编程。新发电机计算。8（4），第295-318页，doi:10.1007/BF03037089·Zbl 0712.68022号 ·doi:10.1007/BF03037089
[10] 斯蒂芬·马格尔顿（Stephen Muggleton）、吕克·雷德（Luc Raedt）、大卫·普尔（David Poole）、伊万·布拉特科（Ivan Bratko）、彼得·弗拉奇（Peter Flach）、井上胜美（Katsumi Inoue）和阿什温·斯里尼瓦桑（Ashwin S。机器。学习。86（1），第3-23页，doi:10.1007/s10994-011-5259-2·Zbl 1243.68014号 ·doi:10.1007/s10994-011-5259-2
[11] G.D.Plotkin（1971）：关于归纳概括的进一步说明，《机器智能》，第6卷，第101-124页·Zbl 0261.68042号
[12] J.Ross Quinlan（1990）：从关系中学习逻辑定义。机器学习5，第239-266页，doi:10.1007/BF00117105·doi:10.1007/BF00117105
[13] Marco Tulio Ribeiro、Sameer Singh和Carlos Guestrin（2016）：“我为什么要相信你？”：解释任何分类器的预测。摘自：2016年第22届ACM SIGKDD会议记录，第1135-1144页，doi:10.1145/2939672.2939778·数字对象标识代码：10.1145/2939672.29339778
[14] F.Riguzzi（2016）：SWI-Prolog中的ALEPH。可在https://github.com/friguzzi/aleph。
[15] Chiaki Sakama（2005）：非单调逻辑程序中答案集的归纳。ACM事务处理。计算。日志。6（2），第203-231页，doi:10.1145/1055686.1055687·Zbl 1367.68039号 ·数字对象标识代码：10.1145/1055686.1055687
[16] F.Shakerin（2019）：FOLD包。https://github.com/fxs130430/SHAP_FOLD。
[17] Farhad Shakerin和Gopal Gupta（2019）：非单调逻辑程序的归纳，以解释使用LIME的增强树模型。收录于：AAAI，AAAI出版社，第3052-3059页，doi:10.1609/AAAI.v33i01.33013052·doi:10.1609/aaai.v33i01.33013052
[18] Farhad Shakerin、Elmer Salazar和Gopal Gupta（2017）：自动归纳学习默认理论的新算法。TPLP 17（5-6），第1010-1026页，doi:10.1017/S1471068417000333·Zbl 1422.68029号 ·doi:10.1017/S1471068417000333
[19] A.Srinivasan（2001）：《Aleph手册》。可在http://web.comlab.ox.ac.uk/oucl/research/区域/machlearn/Aleph/。
[20] Paul Voigt和Axel von dem Bussche（2017）：《欧盟通用数据保护条例》（GDPR）：实用指南，第1版。Springer Publishing Company，Incorporated，doi:10.1007/978-3-319-57959-7·doi:10.1007/978-3-319-57959-7
[21] Sandra Wachter、Brent Mittelstadt和Chris Russell（2017）：未打开黑匣子的反事实解释：自动决策和GDPR。(2017). 《哈佛法律与技术杂志》31，第841页，doi:10.2139/ssrn.3063289·doi:10.2139/ssrn.3063289
[22] Qiang Zeng，Jignesh M.Patel和David Page（2014）：QuickFOIL：可扩展归纳逻辑编程。程序。荷兰VLDB。8（3），第197-208页，doi:10.14778/2735508.2735510·doi:10.14778/2735508.2735510
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。