論文の概要: SCARI: Separate and Conquer Algorithm for Action Rules and Recommendations Induction

• arxiv url: http://arxiv.org/abs/2106.05348v1
• Date: Wed, 9 Jun 2021 19:27:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-11 14:23:36.973049
• Title: SCARI: Separate and Conquer Algorithm for Action Rules and Recommendations Induction
• Title（参考訳）: SCARI:アクションルールとレコメンデーションインジェクションのための分離・コンカレントアルゴリズム
• Authors: Marek Sikora (1), Pawe{\l} Matyszok (1), {\L}ukasz Wr\'obel (1)((1) Faculty of Automatic Control, Electronics and Computer Science, Silesian University of Technology, Akademicka 16, 44-100 Gliwice, Poland)
• Abstract要約: 本稿では,逐次被覆手法に基づく行動規則誘導アルゴリズムについて述べる。 このアルゴリズムは、ソースとターゲット決定クラスの観点からアクションルールを誘導することを可能にする。 ルール品質対策の適用により、様々な品質基準を満たすアクションルールの誘導が可能になる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This article describes an action rule induction algorithm based on a sequential covering approach. Two variants of the algorithm are presented. The algorithm allows the action rule induction from a source and a target decision class point of view. The application of rule quality measures enables the induction of action rules that meet various quality criteria. The article also presents a method for recommendation induction. The recommendations indicate the actions to be taken to move a given test example, representing the source class, to the target one. The recommendation method is based on a set of induced action rules. The experimental part of the article presents the results of the algorithm operation on sixteen data sets. As a result of the conducted research the Ac-Rules package was made available.
• Abstract（参考訳）: 本稿では,逐次被覆手法に基づく行動規則誘導アルゴリズムについて述べる。 アルゴリズムの2つの変種が提示される。 このアルゴリズムは、ソースとターゲット決定クラスの観点からアクションルールを誘導することを可能にする。 ルール品質対策の適用により、様々な品質基準を満たすアクションルールの誘導が可能になる。 この記事では、レコメンデーションインダクションの方法も紹介する。 推奨事項は、ソースクラスを表す所定のテスト例をターゲットに移動するためのアクションを示す。 レコメンデーション方法は一連の誘導アクションルールに基づいている。 論文の実験的部分は、16のデータセットにおけるアルゴリズム演算の結果である。 調査の結果、Ac-Rulesパッケージが利用可能になった。

関連論文リスト

• Learning Decision Trees and Forests with Algorithmic Recourse [11.401006371457436]
  Algorithmic Recourse(AR)は、モデルによって与えられる望ましくない予測結果を変更するためのリコースアクションを提供することを目的としている。 我々は、できるだけ多くの事例に対して合理的な行動の存在を保証するという制約の下で、正確な分類木を学習するタスクを定式化する。
  論文  参考訳（メタデータ） (2024-06-03T08:33:42Z)
• Code Models are Zero-shot Precondition Reasoners [83.8561159080672]
  シーケンシャルな意思決定タスクのために、コード表現を使ってアクションの前提条件を推論します。 本稿では,政策によって予測される行動が前提条件と一致していることを保証する事前条件対応行動サンプリング戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-16T06:19:27Z)
• A Voting Approach for Explainable Classification with Rule Learning [0.0]
  両世界を組み合わせた投票方式を導入し,その成果を(説明不能な)最先端手法として実現することを目的とする。 我々は,本手法が通常のルール学習法より明らかに優れているだけでなく,最先端の結果と同等の結果が得られることを証明した。
  論文  参考訳（メタデータ） (2023-11-13T13:22:21Z)
• Towards Target Sequential Rules [52.4562332499155]
  ターゲット・シーケンシャル・ルール・マイニング(TaSRM)と呼ばれる効率的なアルゴリズムを提案する。 新たなアルゴリズムであるTaSRMとその変種は,既存のベースラインアルゴリズムと比較して実験性能がよいことを示す。
  論文  参考訳（メタデータ） (2022-06-09T18:59:54Z)
• Provable Benefits of Actor-Critic Methods for Offline Reinforcement Learning [85.50033812217254]
  アクター批判法はオフラインの強化学習に広く用いられているが、理論的にはそれほどよく理解されていない。 ペシミズムの原理を自然に取り入れた新しいオフラインアクター批判アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-08-19T17:27:29Z)
• Attribute reduction and rule acquisition of formal decision context based on two new kinds of decision rules [1.0914300987810128]
  I-決定規則とII-決定規則の前提はオブジェクト指向の概念である。 I-決定規則とII-決定規則を保存するための属性還元手法を示す。
  論文  参考訳（メタデータ） (2021-07-04T02:55:24Z)
• Modularity in Reinforcement Learning via Algorithmic Independence in Credit Assignment [79.5678820246642]
  提案手法は, 事前決定の順序に対して, スパース変化のみを必要とする伝達問題に対して, 政策段階の手法よりも, より標本効率が高いことを示す。 我々は最近提案された社会的意思決定の枠組みをマルコフ決定プロセスよりもよりきめ細かい形式主義として一般化する。
  論文  参考訳（メタデータ） (2021-06-28T21:29:13Z)
• Average-Reward Off-Policy Policy Evaluation with Function Approximation [66.67075551933438]
  平均報酬MDPの関数近似によるオフポリシ政策評価を検討する。 ブートストラップは必要であり、オフポリシ学習とFAと一緒に、致命的なトライアドをもたらす。 そこで本研究では,勾配型tdアルゴリズムの成功を再現する2つの新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-01-08T00:43:04Z)
• Solving the scalarization issues of Advantage-based Reinforcement Learning Algorithms [2.400834442447969]
  本稿では,Advantage Actor Critic (A2C) 強化学習アルゴリズムにおける多目的最適化問題のスカラー化から生じる問題について検討する。 この論文は、ナイーブなスカラー化によって勾配が重なり合うことを示す。 エントロピー正規化項が制御不能雑音の源となる可能性について論じる。
  論文  参考訳（メタデータ） (2020-04-08T17:03:21Z)
• Adaptive Stopping Rule for Kernel-based Gradient Descent Algorithms [27.002742106701863]
  カーネルベース勾配降下アルゴリズムの適応的停止則を提案する。 学習理論の枠組みにおける適応的停止規則の性能を解析する。
  論文  参考訳（メタデータ） (2020-01-09T08:12:38Z)
• Hierarchical Variational Imitation Learning of Control Programs [131.7671843857375]
  パラメータ化された階層的手順(PHP)で表される制御ポリシーの模倣学習のための変分推論手法を提案する。 本手法は, 教師による実演の観察・行動トレースのデータセットにおける階層構造を, 手続き呼び出しや用語の待ち行列に近似した後続分布を学習することによって発見する。 階層的模倣学習(hierarchical mimicion learning)の文脈における変分推論の新たな利点を実証する。
  論文  参考訳（メタデータ） (2019-12-29T08:57:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。