Copertina

FlagGAM: Rule-Based Generalized Additive Modeling for Explainable Tabular Prediction

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhao, Zijie, Welsch, Roy E.
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Hierarchical Reinforced Trader (HRT): A Bi-Level Approach for Optimizing Stock Selection and Execution
di: Zhao, Zijie, et al.
Pubblicazione: (2024)

neuralGAM: An R Package for Fitting Generalized Additive Neural Networks
di: Ortega-Fernandez, Ines, et al.
Pubblicazione: (2025)

What's Wrong with Your Synthetic Tabular Data? Using Explainable AI to Evaluate Generative Models
di: Kapar, Jan, et al.
Pubblicazione: (2025)

Distributional Regression with Tabular Foundation Models: Evaluating Probabilistic Predictions via Proper Scoring Rules
di: Landsgesell, Jonas, et al.
Pubblicazione: (2026)

Kolmogorov GAM Networks are all you need!
di: Polson, Sarah, et al.
Pubblicazione: (2025)

MedFeat: Model-Aware and Explainability-Driven Feature Engineering with LLMs for Clinical Tabular Prediction
di: Zhang, Zizheng, et al.
Pubblicazione: (2026)

Evaluating Local Explainability Metrics for Machine Learning Models on Tabular Data
di: Pereira, Tomás, et al.
Pubblicazione: (2026)

Tabular Foundation Models Can Learn Association Rules
di: Karabulut, Erkan, et al.
Pubblicazione: (2026)

FAME: Introducing Fuzzy Additive Models for Explainable AI
di: Gokmen, Omer Bahadir, et al.
Pubblicazione: (2025)

TabReason: A Reinforcement Learning-Enhanced Reasoning LLM for Explainable Tabular Data Prediction
di: Xu, Tommy, et al.
Pubblicazione: (2025)

Research on Metro Transportation Flow Prediction Based on the STL-GRU Combined Model
di: Zhou, Zijie, et al.
Pubblicazione: (2025)

Multi-Layer Attention-Based Explainability via Transformers for Tabular Data
di: Gavito, Andrea Treviño, et al.
Pubblicazione: (2023)

Tabular Foundation Model for Generative Modelling
di: Jiang, Xiangjian, et al.
Pubblicazione: (2026)

An Explainable and Interpretable Composite Indicator Based on Decision Rules
di: Corrente, Salvatore, et al.
Pubblicazione: (2025)

TabText: Language-Based Representations of Tabular Health Data for Predictive Modelling
di: Carballo, Kimberly Villalobos, et al.
Pubblicazione: (2022)

Explainable Automatic Grading with Neural Additive Models
di: Condor, Aubrey, et al.
Pubblicazione: (2024)

ProtoNAM: Prototypical Neural Additive Models for Interpretable Deep Tabular Learning
di: Xiong, Guangzhi, et al.
Pubblicazione: (2024)

The Illusion of Generalization in Tabular Language Models
di: Gorla, Aditya, et al.
Pubblicazione: (2026)

Statistically Accurate and Robust Generative Prediction of Rock Discontinuities with A Tabular Foundation Model
di: Meng, Han, et al.
Pubblicazione: (2025)

Orthogonal Gradient Boosting for Simpler Additive Rule Ensembles
di: Yang, Fan, et al.
Pubblicazione: (2024)

Learning Whom to Trust: Market-Feedback Adaptive Retrieval for Frozen LLMs in Event-Driven Financial RAG
di: Zhao, Zijie, et al.
Pubblicazione: (2026)

Aligning LLMs with Human Instructions and Stock Market Feedback in Financial Sentiment Analysis
di: Zhao, Zijie, et al.
Pubblicazione: (2024)

An Explainable Gaussian Process Auto-encoder for Tabular Data
di: Zhang, Wei, et al.
Pubblicazione: (2025)

AdditiveLLM: Large Language Models Predict Defects in Additive Manufacturing
di: Pak, Peter, et al.
Pubblicazione: (2025)

Discovering Association Rules in High-Dimensional Small Tabular Data
di: Karabulut, Erkan, et al.
Pubblicazione: (2025)

Enabling Regional Explainability by Automatic and Model-agnostic Rule Extraction
di: Chen, Yu, et al.
Pubblicazione: (2024)

A Voting Approach for Explainable Classification with Rule Learning
di: Nössig, Albert, et al.
Pubblicazione: (2023)

UniPredict: Large Language Models are Universal Tabular Classifiers
di: Wang, Ruiyu, et al.
Pubblicazione: (2023)

Longitudinal Progression Prediction of Alzheimer's Disease with Tabular Foundation Model
di: Ding, Yilang, et al.
Pubblicazione: (2025)

Interpretable Representation Learning for Additive Rule Ensembles
di: Behzadimanesh, Shahrzad, et al.
Pubblicazione: (2025)

Synthetic Tabular Data Generation for Class Imbalance and Fairness: A Comparative Study
di: Panagiotou, Emmanouil, et al.
Pubblicazione: (2024)

In-Context Bias Propagation in LLM-Based Tabular Data Generation
di: Recasens, Pol G., et al.
Pubblicazione: (2025)

Explainable Artificial Intelligence for Dependent Features: Additive Effects of Collinearity
di: Salih, Ahmed M
Pubblicazione: (2024)

TabularFM: An Open Framework For Tabular Foundational Models
di: Tran, Quan M., et al.
Pubblicazione: (2024)

TAEGAN: Generating Synthetic Tabular Data For Data Augmentation
di: Li, Jiayu, et al.
Pubblicazione: (2024)

Explanations Go Linear: Post-hoc Explainability for Tabular Data with Interpretable Meta-Encoding
di: Piaggesi, Simone, et al.
Pubblicazione: (2025)

Privacy-Preserving Tabular Synthetic Data Generation Using TabularARGN
di: Sidorenko, Andrey, et al.
Pubblicazione: (2025)

Cluster-Based Generalized Additive Models Informed by Random Fourier Features
di: Huang, Xin, et al.
Pubblicazione: (2025)

TabularQGAN: A Quantum Generative Model for Tabular Data
di: Bhardwaj, Pallavi, et al.
Pubblicazione: (2025)

ChainzRule: Sample-Efficient, Robust Deep Learning Across Tabular, NLP, and Vision Tasks
di: Martnishn, Rowan
Pubblicazione: (2026)