高速解釈可能欲張り木和【JST・京大機械翻訳】

Tan Yan Shuo; Singh Chandan; Nasseri Keyan; Agarwal Abhineet; Duncan James; Ronen Omer; Epland Matthew; Kornblith Aaron; Yu Bin

プレプリント

J-GLOBAL ID：202202212285668290 整理番号：22P0281091

高速解釈可能欲張り木和【JST・京大機械翻訳】

Fast Interpretable Greedy-Tree Sums

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2022年01月27日プレプリントサーバーでの情報更新日： 2023年07月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

現代の機械学習は,印象的な予測性能を達成したが,しばしば,医学のような高消費領域における重要な考察である解釈可能性を犠牲にした。そのような設定において,実務者は,しばしば,高度に解釈可能な決定木モデルを使用するが,これらは,付加的構造に対する帰納的バイアスに悩まされる。このバイアスを克服するために,CARTアルゴリズムを一般化し,加算におけるツリーの柔軟な数を同時に成長させる高速インタプリテーブルGreedy-Tree Sum(FIGS)を提案した。論理的規則を付加と組み合わせることにより,FIGSは,高度に解釈できるまま,付加的構造に適応できる。実世界データセットに関する大規模な実験は,FIGSが最先端の予測性能を達成することを示した。高摂取領域におけるFIGSの有用性を実証するために,著者らは,臨床意思決定を導くためのツールである臨床決定機器(CDIs)を学習するためにFIGSを適応させた。特に,医療データの不均一性を説明するG-FIGSとして知られるFIGSの変異体を紹介した。G-FIGSは,ドメイン知識を反映するCDIを誘導し,感度または解釈性を犠牲にすることなく,CARTに対する特異性を改善した。FIGSへの更なる洞察を提供するために,FIGSが加法モデルの構成要素を学習し,特性として,解答として言及することを証明した。さらに,追加回帰関数に当てはめた場合,非制約木-和モデルが単一決定木モデルよりもより効率的に一般化するのに,非制約の木-和モデルを利用する(オラクル条件下で)ことを示した。最後に,非拘束数の分割による過剰適合を避けるため,ランダムフォレストの分散低減技術を借りするFIGSのアンサンブルバージョンであるBagging-FIGSを開発した。Bagging-FIGSは,実世界データセット上でランダムフォレストとXGBoostとの競合性能を enjoy受する。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

分子・遺伝情報処理 , 医用情報処理 , 人工知能

前のページに戻る