FERSE: Flexible and Efficient Rule-based Self-Explainable Model for Tabular Dataset

Abstract

이 연구에서는 규칙의 형태로 의사 결정에 대한 근거를 제시하는 딥러닝 모델을 제안한다. 기존 규칙 기반 모델들과는 달리 제안된 모델은 규칙을 여러 개의 컴포넌트로 나누고 확률 분포 계산을 통해 컴포넌트를 재조합하여 유연하게 규칙을 생성한다. 도표형 데이터에서 실험을 진행한 결과 제안된 모델은 기존의 방법론에 비해 더 높은 예측 성능을 보장하며 이해하기 쉬운 설명 제공이 가능하다.