基于规则集成的可解释机器学习算法及应用

机器学习算法因其良好的预测性能已经取得了巨大的成功,但在对模型可解释性有着较高需求的领域,其适用性受到了限制。针对机器学习算法缺乏可解释性的缺点,基于规则集成思想提出一种新的可解释机器学习算法,称之为集成树惩罚逻辑规则回归,它能以较小的结构复杂度实现与集成树算法相当的预测性能,并且保留了逻辑回归的解释效果。首先,从随机森林、XGBoost等集成树中提取分枝,并将其转换为逻辑规则。其次,对规则集进行剪枝和去重处理,以得到精简的规则集。最后,将规则作为变量融入逻辑回归中,并以Lasso算法进行复杂度控制。以企业风险预警作为实例,与多种机器学习算法进行实验对比,结果表明此算法不仅能很好地继承集成树的违约判别能力,在各个分类指标上均超越了大多数机器学习算法,而且可以通过规则给出企业风险指标的阈值,便于企业进行风险管理。进一步地,根据此算法制作企业信用评分,验证了它的广泛适用性,得到的评分符合客观规律且具有区分度,然后通过三个公开数据集验证了模型预测性能的稳健性。

大学生创新创业训练计划——创新创业实践教育探索

大学生创新创业训练计划项目对于提高大学生的创新创业意识,增强创新创业能力具有重要意义,文章通过分析大学生创新创业训练计划项目实施过程中出现的问题,提出有针对性、有计划地开展大学生创新创业训练计划项目的有效策略,这也是对高校创新创业实践教育高效实施的有益尝试。

基于遗传算法的古代胸痹心痛方剂配伍规则挖掘研究

中医方剂配伍规律是指不同的中药组合会呈现多样的治疗效果,针对治疗同一类疾病的方剂往往具有某些类似的中药配伍。笔者以改进遗传算法为基础,以关联规则中的置信度和支持度设计适应度函数,同时以古代胸痹心痛方剂作为初始化种群进行迭代,挖掘出针对胸痹心痛病的常用药物配伍,旨在为当代中医药方剂治疗胸痹心痛提供思路。