위키득계정 ↗
기술

CORELS 최적 규칙 목록

CORELS 최적 규칙 목록기술
연구 공개
2017년
확장 발표
JMLR 2018
모형 형식
순서가 있는 규칙 목록
최적성 기준
정규화한 경험 위험
CORELS는 범주형 특징 공간에서 최적성을 증명할 수 있는 규칙 목록을 학습하는 알고리즘이다. 정규화한 경험 위험을 기준으로 학습 성능을 최적화한다.

규칙의 예측과 탐색

규칙 목록은 조건에 따라 예측을 결정하는 IF-THEN 문장의 순서다. CORELS는 범주형 특징 공간에 대한 이산 최적화로 이 목록을 만들며 최적성의 증명도 제공한다.

탐색 비용의 절감

알고리즘의 경계와 효율적인 자료 구조, 계산 재사용을 결합해 탐색 시간과 메모리 사용을 줄인다. 해석 가능한 모형을 만드는 작업에서 최적화 자체의 계산 부담을 다루는 접근이다.

최적성의 의미

여기서 최적성은 설정한 정규화 경험 위험에 대한 학습 성능의 최적성을 뜻한다. 원 연구는 실제 예측 문제에서 간결한 규칙 목록을 구성하고 다른 분류 방식과 비교했다.

관련 문서

SBRL 베이즈 규칙 목록 / 의사 결정 트리 / LORE 국소 규칙 설명 / 이산 최적화 / 정규화 / 경험 위험 최소화