通过规则集进行预测学习

一般回归和分类模型是由从数据中衍生的简单规则的线性组合构建的。每个规则由少量关于个别输入变量值的简单声明的合取组成。这些规则集显示出与最佳方法相当的预测准确性。然而，它们的主要优势在于解释。由于其简单的形式，每个规则易于理解，其对个别预测、选择的预测子集或整体联合输入变量值空间的影响也同样如此。类似地，各个输入变量的相关性可以在全局、局部（输入空间的不同区域）或个别预测点进行评估。提出了一些技术，用于自动识别与其他变量交互的变量、这些交互的强度和程度，以及它们交互的其他变量的身份。图形表示被用来可视化主要效应和交互效应。