연구진은 안전이 중요하거나 규제가 필요한 분야에 적합한 해석 가능한 회귀 모델을 개발했어요. Ex-Fuzzy 라이브러리에 Mamdani 퍼지 회귀를 확장하여 데이터로부터 직접 학습된 스칼라 결과를 제공합니다. 10개의 데이터셋 평가 결과, 가우시안 파티션이 균일한 사다리꼴 파티션보다 성능이 우수했으며, 평균 결정 계수가 약 0.86을 달성했습니다.
Fuzzy C-Means 클러스터링 기반의 목표 지향 파티션 초기화 전략을 도입하여 입력-출력 공간을 늘려 특징 공간의 출력 관련 영역을 강조했어요. 이 방법은 10~15개의 사람이 읽을 수 있는 규칙으로 구성된 간결한 규칙 기반을 생성합니다.
제안된 구현은 예측 성능과 함께 실용적인 해석 가능성을 지원하며, 블랙박스 회귀 모델에 대한 투명하고 경쟁력 있는 대안을 제공합니다.