从心理学数据中发现可理解的模式

• 作者: 余嘉元 周志华 姜远 肖新攀
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 可理解性 二次学习 规则归纳 数据审计
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 学术研究
• 页码范围: 247-255
• 分类号: TP18
• 字数: 6732字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.2011.03.006

摘要

近年来,机器学习技术常被用于分析心理学数据,以期从数据中找出有价值的模式,更好地刻画和调整人们的心理行为.提出采用二次学习风范的规则生成算法,结合规则学习算法的在模式理解性方面的优势和集成学习、支持向量机等高性能算法在泛化性能上的优势,从心理学数据中发现准确且易于理解的模式.实验表明,采用二次学习风范的规则生成算法在泛化性能上显著高于传统的规则生成算法,且在许多情况下,其输出规则的可理解性亦优于传统的规则生成算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周志华	南京大学计算机软件新技术国家重点实验室	92	3105	30.0	55.0
2	余嘉元	南京师范大学心理学系	120	2152	23.0	43.0
3	肖新攀	南京大学计算机软件新技术国家重点实验室	1	2	1.0	1.0
4	姜远	南京大学计算机软件新技术国家重点实验室	24	288	7.0	16.0