研究人员开发了DEXiRE-EVO，一个新颖的演化规则提取框架，旨在增强用于预测中小企业（SME）违约的机器学习模型的可解释性。该框架结合了多目标优化和情境重要性与效用（CIU）可解释性方法。该研究分析了来自超过50,000家意大利中小企业的数据，发现机器学习模型显著优于传统的逻辑回归，并且提取的规则提供了具有经济意义的见解，揭示了导致财务困境的因素。 AI
影响 通过提高复杂机器学习模型的可解释性，增强了金融决策的透明度。
排序理由 该集群包含一篇详细介绍新颖AI框架及其应用的学术论文。
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.29478v1 Announce Type: cross Abstract: Small and medium-sized enterprises (SMEs) represent the majority of firms in most economies and often face financial constraints and higher vulnerability to financial distress. Predicting SME default is therefore crucial for finan…
Small and medium-sized enterprises (SMEs) represent the majority of firms in most economies and often face financial constraints and higher vulnerability to financial distress. Predicting SME default is therefore crucial for financial institutions, policymakers, and researchers. …