Краткое содержание

arXiv:2209.15409v2 Тип объявления: замена Аннотация: Нейронные аддитивные модели (NAM) недавно продемонстрировали многообещающие результаты прогнозирования, сохранив интерпретируемость. Однако их возможности ограничены возможностью учитывать лишь взаимодействия признаков первого порядка, что снижает эффективность моделей на реальных наборах данных. Для устранения данного ограничения мы предлагаем Высокоранговые нейронные аддитивные модели (HONAM), интерпретируемую модель машинного обучения, эффективно и экономично учитывающую взаимодействия признаков произвольных порядков. HONAM повышают точность предсказания без ущерба для интерпретируемости — ключевого требования в приложениях высокого риска. Это преимущество позволяет анализировать и извлекать высокоуровневые взаимодействия, присутствующие в наборах данных. Исходный код HONAM доступен публично по адресу https://github.com/gim4855744/HONAM/.