BELLATREX:LocaLly AcuraTeルール抽出器による説明の構築【JST・京大機械翻訳】

Dedja Klest; Nakano Felipe Kenji; Pliakos Konstantinos; Vens Celine

プレプリント

J-GLOBAL ID：202202213790048804 整理番号：22P0312161

BELLATREX:LocaLly AcuraTeルール抽出器による説明の構築【JST・京大機械翻訳】

BELLATREX: Building Explanations through a LocaLly AccuraTe Rule EXtractor

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 (4件)： , , ,
資料名：
発行年： 2022年03月29日プレプリントサーバーでの情報更新日： 2023年01月06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)

ランダムフォレストのようなツリーアンサンブルアルゴリズムは,それらの柔軟性,高性能,および過剰適合に対するロバスト性のために一般的な効果的な機械学習法である。しかし,複数の学習者が組み合わされるので,それらは単一決定木として解釈できない。本研究では,LocalLy AccuraTe Rule EXtractor(Bellatrex)を通して,展開する新手法を提案し,いくつかの多様なルールのみを持つ与えられたテストインスタンスに対する森林予測を説明することができる。ランダムフォレストによって生成された決定木から始めて,著者らの方法は,予測を行うのに用いる規則の部分集合を事前選択し,2)そのような規則のベクトル表現を作成し,3)低次元空間にそれらを投影し,4)クラスタは,各クラスタから規則をピックアップし,インスタンス予測を説明する。89の実世界データセットに対するBellatrexの有効性を試験し,二値分類,回帰,マルチラベル分類および時間対イベントタスクに対する著者らの方法の妥当性を実証した。知る限りでは,解釈可能ツールボックスが,同じフレームワークの中でこれらすべてのタスクを扱うことができるのは,初めてである。また,著者らの抽出した代理モデルは,全ての検討タスクにおいて,対応するアンサンブルモデルの性能を近似できるが,全森林からわずかのツリーを選択することを示した。また,提案したアプローチが予測性能に関して他の説明可能な方法よりも大幅に優れていることを示した。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る