基于规则的二值神经网络集成学习模型（用于lending-club数据集）

基于规则的二值神经网络集成学习模型（用于lending_club数据集） 2021 年 NIPS 会 议 文 章 《 Scalable Rule-Based Representation Learning for Interpretable Classification》中针对高风险的应用领域中的分类问题提出了一个基于规则的 透明二值神经网络模型，简单地来说想要通过神经网络来得到析取范式规则（DNF Rules）， 如下所示，满足析取范式中的任一条就认为他违约或者其他某种情况： 模型如下图所示，综合两篇文章的思路，具体地来说，将第二篇文章中的基模型 GCN 全部替换为第一篇文章中的 RRL，原因是 RRL 是完全透明并且可以从中提取中透明可理解 的析取范式，照顾到了对于解释性的需求，同时按照文章二中的做法将 Lending Club 数据 集的特征拆分为了三类：Loan Data、History Data、Soft-info Data，即由三个子 RRL 构成， 最后由一个全连接层（逻辑回归）汇总到最后一层的一个节点输出概率。 因为每一个子模型都是一个 RRL，因此都可以从中提取出等价