基于逻辑的线性支持向量分类器及拒绝选项的解释

Mar, 2024

基于逻辑的线性支持向量分类器及拒绝选项的解释

Logic-based Explanations for Linear Support Vector Classifiers with Reject Option

Francisco Mateus Rocha Filho, Thiago Alves Rocha, Reginaldo Pereira Fernandes Ribeiro, Ajalmar Rêgo da Rocha Neto

TL;DR通过采用逻辑推理的方法，我们提出了一种在具有拒绝选项的线性支持向量分类器中，能够得到具有正确性和最小化特性的解释的形式化保证的途径，并将其与 Anchors 算法进行了比较，结果表明我们的方法能够以较短的时间得到较短的解释。

Abstract

support vector classifier (SVC) is a well-known Machine Learning (ML) model for linear classification problems. It can be used in conjunction with a reject option strategy to reject instances that are hard to correctly classify and delegate them to a specialist. This further increases

support vector classifier reject option strategy explanation logic-based approach anchors

发现论文，激发创造

学习向量量化分类器的拒绝选项解释

本篇论文提出使用反事实解释来解释模型对数据的拒绝，探讨如何有效计算基于原型的分类器的不同拒绝选项的反事实解释。

Feb, 2022

拒绝的模型无关的局部解释

本研究提出了一种模型无关的方法，通过可解释的模型和反事实解释，局部解释任意拒绝选项。

May, 2022

支持向量机模型的反事实解释

本研究提出针对线性支持向量机模型的反事实解释算法，旨在增加模型的可解释性，该算法能够改变可操作的特征，并考虑诸多因素，包括特征之间的相关性以及其对数据分布的影响，此外，本研究还引入了两种新型的度量反事实解释质量的无尺度代价函数，并用实际的医学数据集来验证该算法的有效性，最后，在对律师资格考试数据集进行研究后，运用提出的算法发现了支持向量机所固有的偏见。

Dec, 2022

拒绝的多元半事实性解释

本文提出利用半事实解释拒绝选项的概念模型，以实现机器学习中的可解释性，并通过实验对拒绝选项进行了评估。

Jul, 2022

支持向量网络的统计力学

通过统计物理学方法，研究支持向量机的泛化性能，发现在简单规则上支持向量机只过度拟合弱，当输入在特征空间存在间隔时，支持向量机的性能会得到大幅增强。

Nov, 1998

支持向量机及其应用

介绍支持向量机及其应用，强调其稀疏解决方案，对分类和回归问题进行专门的适用，适用文本处理和生物信息学任务，同时介绍了算法推广和实际应用。

Dec, 2006

带有拒绝选项的机器学习：一份调查

此调查研究了具有拒绝选项的机器学习，介绍了拒绝的两种类型，现有模型的结构和训练策略，以及如何评估模型的预测能力和拒绝质量，并提供了相关应用领域的示例。