【文件属性】：
文件名称：RuleCovering:规则覆盖，用于解释和提升
文件大小：551KB
文件格式：ZIP
更新时间：2021-04-28 18:31:23
random-forest linear-programming heuristic decision-tree boosting
解释和提升的规则覆盖
我们提出了两种基于数学编程的算法，用于解释和增强基于树的集成方法。 这些算法称为最小规则覆盖率（MIRCO）和增强规则覆盖率（RCBoost）。 给出了两种算法的详细信息。 在本说明中，我们介绍了这两种算法的实现，并列出了重现结果的步骤。
所需的包
我们所有的代码都在Python 3.7中实现，我们使用以下软件包：
我们使用的是 （Python 3.7）的标准安装，前两个软件包已经捆绑在一起。 Anaconda软件包管理器可以再次单独安装第三个软件包。 请注意，除了Python软件包外，您还需要安装 ，该软件对于研究和教育工作是免费的。
讲解
为了在一系列测试问题上测试MIRCO，请参考页或。 同样，对于RCBoost，我们还准备了另一页和一个。
重现我们的结果
我们提供了两个脚本和 。 运行这些脚本应该重现我们在论文中报告的结果。
【文件预览】：
RuleCovering-master
----README.html(2KB)
----RCBoost_run.py(5KB)
----RCBoost.html(283KB)
----MIRCO.html(288KB)
----MIRCO.ipynb(11KB)
----datasets()
--------phoneme.csv(171KB)
--------transfusion.csv(13KB)
--------oilspill.csv(226KB)
--------ionosphere.csv(75KB)
--------ecoli.csv(12KB)
--------diabetes.csv(23KB)
--------glass.csv(11KB)
--------wine.csv(11KB)
--------data_banknote_authentication.csv(45KB)
--------bupa.csv(7KB)
--------References4Datasets.html(5KB)
--------ILPD.csv(23KB)
--------seeds.csv(9KB)
--------References4Datasets.md(4KB)
--------tictactoe.csv(25KB)
--------mammography.csv(787KB)
--------wdbc.csv(121KB)
----RCBoost.ipynb(7KB)
----README.md(2KB)
----RCBoost.py(12KB)
----MIRCO_run.py(4KB)
----RuleCoverDatasets.py(10KB)
----MIRCO.py(16KB)