짧은 문장을위한 텍스트 분류기를 만들고 있습니다. 사용자에게 "입력 한 텍스트의 범주는 C입니다"라고 말하는 것 외에도이 결정을 내린 이유를 간단하고 이해하기 쉽게 설명하고 싶습니다. 예를 들어, 나는 사용자에게 "나는 당신의 문장을 복잡한 3 계층 신경망에 넣었고 이것이 최고의 점수를 얻은 답"이라고 말하고 싶지 않습니다. "훈련 데이터에 나타나는 X, Y 및 Z와 같은 문장으로 인해 문장에이 범주의 특징 인 단어 U, V 및 W가 포함되어 있습니다"와 같은 설명을 원합니다.
내 질문은 : 이러한 분류에 가장 적합한 분류 알고리즘은 무엇입니까?
k-nearest-neighbours는 사용자에게 "당신의 문장은 같은 범주를 가진 문장 X, Y 및 Z와 유사하기 때문에 범주 C를 가지고 있습니다. 그러나 텍스트 분류 문제에 대한 성능은 나는 성능과 설명 능력의 균형을 잡는 분류를 찾고 있습니다.
편집 : 이러한 분류기를 찾는 데 많은 시간을 보낸 후 limdu 라는 기계 학습 라이브러리를 작성하기 시작했습니다.이 라이브러리 는 분류자가 결정을 설명 할 수 있습니다. 아직 개발 중이지만 분류자가 너무 자주 실패하는 이유를 나와 동료에게 설명하는 데 이미 도움이되었습니다 ...
머신 러닝의 요점은 후드에서 일어나는 일을 신경 쓰지 않고 성능 만 신경 쓰는 것입니다. 다른 접근 방식은 실패했으며 오늘날 모든 사람들이 이러한 불투명 한 통계적 접근 방식을 사용하고 있습니다.
—
Yuval Filmus 2016 년
@ Yuval 나는 다른 접근법이 실패했다는 것에 완전히 동의하지 않는다. 그것들은 최적은 아니지만 여전히 인간이 할 수있는 능력이나 인내보다 훨씬 높은 분류 작업을 자동화한다는 목표를 달성합니다. 불투명 한 블랙 박스가 특히 성능을 고려하지 않는 이와 같은 상황에서 기계 학습을 효과적으로 수행하는 유일한 방법은 아닙니다. 머신 러닝 작업의 다양한 목표에 대해 좀 더 열린 마음을 가지십시오.
—
Richard D