Für einige ML-Fälle ist es wichtig, nicht nur eine zuverlässige Vorhersage zu geben, sondern auch diese Vorhersage zu erklären.Wie interpretierte überwachte ML-Algorithmen (z. B. Untergruppen mit bestimmten Merkmalsbereichen finden)
Wenn wir über medizinische Therapieeffizienzvorhersage sprechen, sind Ärzte neugierig, einige Gruppen von Patienten auszuwählen, die gute oder schlechte Reaktion haben würden.
Zum Beispiel: Patienten werden negativ für die Therapie A reagieren, wenn sie: 1) beide hochgewichtet und haben schwarze Haare; 2) beide alt und wurden zuvor durch Therapie B behandelt; 3) beide niedrig-gewichtet und wurden zuvor durch Therapie behandelt C
Es sieht aus wie Clusterisierung innerhalb der Klassifikation.
Was sind gängige Ansätze zur Lösung dieser Aufgabe?