Explainable Muti-Label Classification of MBTI Types

在这项研究中，我们旨在确定最有效的机器学习模型，以准确地从Reddit帖子和Kaggle数据集中对Myers-Briggs类型指标（MBTI）进行分类。我们应用了二元关联的多标签分类方法。我们采用可解释人工智能（XAI）方法，以突出过程和结果的透明度和可理解性。为了达到这个目的，我们实验了玻璃盒子学习模型，即为简单、透明和可解释性而设计的模型。我们选择了k-最近邻、多项式朴素贝叶斯和逻辑回归作为玻璃盒子模型。我们表明，如果排除具有观察者（S）特质的类别，则多项式朴素贝叶斯和k-最近邻表现更好，而当所有类别都有>550个条目时，逻辑回归获得最佳结果。

本文旨在通过Reddit帖子和Kaggle数据集，识别最有效的机器学习模型，以准确分类Myers-Briggs类型指标（MBTI）类型。该论文是否解决一个新问题尚不确定。

本文采用二元关联法进行多标签分类，并采用可解释人工智能（XAI）方法来突出过程和结果的透明度和可理解性。作者使用了设计简单、透明、可解释的玻璃盒学习模型，即k-最近邻、多项式朴素贝叶斯和逻辑回归。作者发现，如果排除具有观察者（S）特征的类，则多项式朴素贝叶斯和k-最近邻表现更好，而当所有类别都有>550个条目时，逻辑回归获得最佳结果。

本文使用了可解释人工智能（XAI）方法来突出过程和结果的透明度和可理解性。作者采用了设计简单、透明、可解释的玻璃盒学习模型。作者发现，多项式朴素贝叶斯和k-最近邻表现更好。

最近的相关研究包括使用深度学习模型进行MBTI分类、使用情感分析技术进行MBTI分类等。