实体
Srikumar Krishnamoorthy
Srikumar Krishnamoorthy
PulseAugur coverage of Srikumar Krishnamoorthy — every cluster mentioning Srikumar Krishnamoorthy across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的 RPTE 方法增强了树集成模型的可审计性
研究人员开发了一种名为残差模式树集成 (RPTE) 的新方法，以创建更可审计的机器学习模型，用于临床环境等敏感应用。RPTE 使用三阶段流程，确保预测可以分解为命名的、不重叠的规则贡献，从而更容易检查和审计。在对十二个临床数据集的评估中，RPTE 在准确性方面与现有模型相当，与 XGBoost 相比显著降低了模型检查的复杂性，并提供了比 RuleFit 更好的可审计性。
-
新的IAIML框架增强了表格数据的可解释AI · 追踪3个来源
研究人员开发了一个名为交互感知可解释机器学习（IAIML）的新框架，旨在提高表格数据模型的可解释性。IAIML解决了传统方法可能丢弃那些仅通过与其他变量交互才能显现预测能力的宝贵特征的局限性。该框架采用自适应离散化、成对交互评分和解释预算来识别和整合这些交互，实现了与梯度提升集成模型相当的性能，同时所需的解释组件显著减少。