标签
本文提出一个可解释的机器学习框架，利用SHAP分析来预测和分析美国人口普查区级别的宽带采用差异，识别收入和教育等关键因素以指导政策目标。
本文介绍了一种基于统计的框架，使用伯努利朴素贝叶斯和χ²引导的二值化进行可解释的临床分类，在基准数据集上取得了有竞争力的AUC分数，同时提供了明确的决策规则和校准的风险估计。