计算机科学与探索

作者：闵继源, 鲁统宇, 任婷婷, 陈汝昊

单位：1. 中国计量大学 经济与管理学院，杭州 3100182. 东南大学 网络空间安全学院，南京 211189

关键词：可解释机器学习,规则学习,非线性回归,集成树,风险预警

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。

来源：2024年第6期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2024年第6期