Das Bayesian Case Model: Ein generativer Ansatz für fallbasiertes Denken und Prototypklassifizierung

Wir präsentieren das Bayesian Case Model (BCM), ein allgemeines Rahmenwerk für bayesianisches fallbasiertes Denken (CBR) sowie Prototypklassifizierung und -clustering. BCM bringt die intuitive Kraft von CBR in ein bayesianisches generatives Rahmenwerk. Das BCM lernt Prototypen, die "quintessenziellen" Beobachtungen, die Cluster in einem Datensatz am besten repräsentieren, indem es gemeinsame Inferenz über Clusterbezeichnungen, Prototypen und wichtige Merkmale durchführt. Gleichzeitig verfolgt BCM Sparsamkeit, indem es Teilräume lernt, die Mengen von Merkmalen sind, die eine wichtige Rolle bei der Charakterisierung der Prototypen spielen. Die Prototyp- und Teilraumdarstellung bietet quantitative Vorteile in der Interpretierbarkeit und erhält gleichzeitig die Klassifikationsgenauigkeit. Experimente mit menschlichen Probanden bestätigen statistisch signifikante Verbesserungen des Verständnisses der Teilnehmer, wenn sie Erklärungen verwenden, die vom BCM erzeugt wurden, im Vergleich zu denen, die von der vorherigen Technik bereitgestellt wurden.