我认为在这种情况下，问问自己为什么要使用机器学习来检测交互是很重要的。感觉有点像数据挖掘。鉴于您正在研究的现象，使用领域知识来思考可能或可行的交互可能对您有好处。

也就是说，您可以使用例如R. 这将允许您检测复杂和高阶的交互。您可以在此处将其视为第 30 页的示例。请注意，我可能会使用partykit它来拟合树模型，因为它允许您使用非正态分布。但是，如果您有一个非常大的数据集，并且一旦找到它们可能很难将它们拟合到线性模型中（因为它们只能出现在树的一侧），这种方法效果最好。

解决上述一些限制的另一种方法是使用一种称为Additive Groves的技术。这些工作的原则是观察不同受限树模型的相对性能。因为交互作用不是相加的，所以这种技术可以识别交互作用。