AAAIDec, 2018
可解释的偏好学习:基于博弈论的大间隔在线特征及规则学习框架
Interpretable preference learning: a game theoretic framework for large margin on-line feature and rule learning
Mirko Polato, Fabio Aiolli
TL;DR本文提出了一种将博弈论与偏好学习相结合的新算法,可解决大规模特征选取和模型可解释性等问题,并在分类任务中实现了最先进的精度。