该库可用于生成表示为CNF/DNF的可解释分类规则。
rulelearning的Python项目详细描述
IMLI
imli是一个基于maxsat的增量学习框架,用于通过基于分区的训练方法生成可解释的分类规则。该工具基于我们在aaai/acm人工智能、道德和社会会议(aies)上发表的paper,2019年。
目录说明
目录benchmarks/
包含用于实验的所有基准文件。
目录rulelearning
包含测试中使用的和再现性所需的所有脚本。
在rulelearning
目录中,我们添加了imli.py
,这是生成可解释规则的增量学习框架。要运行imli.py
,需要一个off-the-self-maxsat解算器(例如,maxhs,open wbo)位于path变量中。
pip安装
运行以下命令安装此框架。
pip install rulelearning
安装MaxSat解算器
要安装open wbo,请按照官方link中的说明进行操作。 要安装maxhs,请按照官方link中的说明进行操作。 安装完成后,在path变量中添加二进制文件的路径。
export PATH=$PATH:'/path/to/open-wbo/'
或
export PATH=$PATH:'/path/to/maxhs/'
其他现成的maxsat解算器也可用于此框架。
用法
在python中导入rulelearning。
import rulelearning
调用imli
对象的实例。如果需要,请在imli()
中指定参数。例如,为了将open-wbo
设置为maxsat解算器,请传递参数solver="open-wbo"
。
model=rulelearning.imli()
通过调用以下函数以CSV格式离散化任何数据集。benchmarks/
包含一组示例数据集。
X,y=model.discretize("benchmarks/iris_bintarget.csv")
如果数据集包含分类特征,请将此类分类特征的索引指定为参数中的列表。还要寻找其他参数选择。例如:
X,y=model.discretize("benchmarks/credit_card_clients.csv",categoricalColumnIndex=[2,3,4])
按如下方式训练模型。
model.fit(X,y)
要检索学习到的规则,请调用getRule()
函数。
model.getRule()
要计算测试集上的预测,例如{XTest,yTest}
,请调用predict(Xtest,yTest)
函数。
yhat=model.predict(XTest,yTest)
使用其他getter函数学习训练模型的各种属性。
有关详细信息,请参阅源代码。
问题、问题、错误等。
请点击顶部的“问题”和create a new issue。所有问题都会得到迅速的回应。
联系人
Bishwamittra Ghosh(bishwa@comp.nus.edu.sg)
如何引用
@进料{gm19,
作者{ghosh,bishwamittra和meel,kuldeep s.},
title={imli:基于maxsat的可解释分类规则增量学习框架},
书名{aaai/acm人工智能、伦理与社会会议论文集(aies)},
月={1},
年份={2019},}
旧版本
旧版本的mlic(非增量框架)在分支“mlic”下可用。请阅读旧版本的自述文件以了解如何编译代码。