MDL-GBC

新的基于MDL的分类器提供可解释、边界感知的分类

研究人员推出了一种新的粒球分类器，该分类器利用最小描述长度（MDL）原理来提高透明度和边界敏感性。这种基于MDL的粒球分类器（MDL-GBC）将粒球的构建公式化为一个局部模型选择问题，比较了单球、双球和核心-边界模型。在18个基准数据集上的实验表明，MDL-GBC取得了有竞争力的性能，在准确率和Macro-F1分数上常常优于现有方法，为传统的启发式方法提供了一种可解释的替代方案。