实体
Binary Relevance Multi-label Conformal Predictor
Binary Relevance Multi-label Conformal Predictor
PulseAugur coverage of Binary Relevance Multi-label Conformal Predictor — every cluster mentioning Binary Relevance Multi-label Conformal Predictor across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新方法FLEX解释多标签AI分类器
研究人员开发了FLEX(Fisher LDA Explainer),一种用于解释多标签分类器的新颖方法。FLEX通过在统一坐标系内提供带符号的特征归因,解决了分类器可能因错误原因分配正确标签的问题。该方法在重现各种基准测试和分类器家族的黑盒预测方面表现出高保真度。FLEX的有效性在处理大量标签和稀疏正例时尤为显著,随着更多特征的纳入,它为提高解释保真度提供了一条可预测的路径。
-
新的 ms-DPG 方法解释了多输出树集成中的共享决策结构
研究人员引入了多汇点决策谓词图 (ms-DPGs) 来更好地解释多输出树集成。这些模型使用共享决策路径来预测多个二元标签,但现有的归因方法通常独立分析每个输出。ms-DPGs 扩展了决策谓词图,为每个标签设置一个汇点,从而可以定义共享谓词流 (SPF) 来量化决策质量如何在标签之间共享。在九个多标签基准上的实验表明,即使在预测性能相似的情况下,原生多输出森林也比二元相关性方法表现出显著更多的共享决策结构。