计算机应用研究

作者：张纬之,韩珣,谢志伟,石胜飞,

单位：1.哈尔滨工业大学计算学部,哈尔滨150001；2.智能警务四川省重点实验室,四川泸州646000；3.四川警察学院道路交通管理系,四川泸州646000；4.黑龙江农垦职业学院,哈尔滨150025；

关键词：可解释模型,规则学习,集成学习,规则约简,

基金：智能警务四川省重点实验室课题资助项目(ZNJW2022ZZZD001)；；

随着机器学习模型的广泛应用，研究者们逐渐认识到这类方法的局限之处。这些模型大多数为黑盒模型，导致其可解释性较差。为了解决这一问题，以集成学习模型为基础，提出了一种基于规则的可解释模型以及规则约简方法，包括生成优化的随机森林模型、冗余规则的发现和约简等步骤。首先，提出了一种随机森林模型的评价方法，并基于强化学习的思想对随机森林模型的关键参数进行了优化，得到了更具可解释性的随机森林模型。其次，对随机森林模型中提取的规则集进行了冗余消除，得到了更加精简的规则集。在公开数据集上的实验结果表明，生成的规则集在预测准确率和可解释性方面均表现优秀。

来源：2024年第6期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第6期