我正在寻找一种有监督的机器学习算法，它可以生成透明的规则或定义，可以很容易地被人类解释。
我使用的大多数算法（SVM，随机森林，PLS-DA）都不是很透明。也就是说，您很难在针对非计算机科学家观众的出版物的表格中总结模型。例如，作者通常会做的是根据某些标准发布重要的变量列表（例如，基尼系数或基于RF的平均精度降低），有时通过指出这些变量的差异来改进此列表在有问题的课程之间。
我正在寻找的是一种相对简单的风格输出“if（任何变量V1-V10＆gt;中位数或任何变量V11-V20＆lt;第一四分位数）和变量V21-V30＆gt;第三四分位数，然后是A级“。
周围有这样的事吗？
只是为了约束我的问题：我正在使用高度多维数据集（数万到数十万个常常的共线变量）。因此，例如回归树不是一个好主意（我认为）。
答案 0 :(得分：2)
你听起来像是在描述决策树。为什么回归树不是一个好选择？也许不是最优的，但它们有效，而且这些是最直接可解释的模型。任何适用于连续值的东西都适用于序数值。
想要一个准确的分类器，想要一个简单且可解释的模型之间存在紧张关系。您可以构建随机决策林模型，并以多种方式对其进行约束以使其更具可解释性：
模型不一定好。
答案 1 :(得分：0)
在Google Brain的Been Kim所做的理解AI方法中，您会发现有趣的research。