論文の概要: Generating Explainable Rule Sets from Tree-Ensemble Learning Methods by Answer Set Programming

• arxiv url: http://arxiv.org/abs/2109.08290v1
• Date: Fri, 17 Sep 2021 01:47:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-21 03:59:02.333525
• Title: Generating Explainable Rule Sets from Tree-Ensemble Learning Methods by Answer Set Programming
• Title（参考訳）: 解集合プログラミングによる木組学習法から説明可能なルール集合を生成する
• Authors: Akihiro Takemura, Katsumi Inoue
• Abstract要約: 本稿では, Answer Set Programming (ASP) を用いた木組学習者から説明可能なルールセットを生成する手法を提案する。 基本決定木の分割構造をルール構築に活用する分解的手法を採用する。 ユーザ定義の制約や好みをASPで宣言的に表現して、透過的で柔軟なルールセット生成を可能にする方法を示します。
• 参考スコア（独自算出の注目度）: 9.221315229933532
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a method for generating explainable rule sets from tree-ensemble learners using Answer Set Programming (ASP). To this end, we adopt a decompositional approach where the split structures of the base decision trees are exploited in the construction of rules, which in turn are assessed using pattern mining methods encoded in ASP to extract interesting rules. We show how user-defined constraints and preferences can be represented declaratively in ASP to allow for transparent and flexible rule set generation, and how rules can be used as explanations to help the user better understand the models. Experimental evaluation with real-world datasets and popular tree-ensemble algorithms demonstrates that our approach is applicable to a wide range of classification tasks.
• Abstract（参考訳）: 本稿では,木組学習者から Answer Set Programming (ASP) を用いて説明可能なルールセットを生成する手法を提案する。 そこで本研究では,ルール構築において基本決定木の分割構造を利用する分解的手法を採用し,ASPで符号化されたパターンマイニング手法を用いて興味深いルールを抽出した。 ユーザ定義の制約と好みを asp で宣言的に表現して,透過的かつ柔軟なルールセット生成を可能にする方法と,ルールをモデルをより理解するための説明として使用できる方法を示す。 実世界のデータセットと一般的なtree-ensembleアルゴリズムによる実験的評価は、このアプローチが幅広い分類タスクに適用できることを示している。

関連論文リスト

• Generating Global and Local Explanations for Tree-Ensemble Learning Methods by Answer Set Programming [4.820391833117535]
  本稿では,ツリーアンサンブル学習手法のグローバルおよびローカルな説明としてルールセットを生成する手法を提案する。 グローバルな説明のために、候補ルールは訓練されたツリーアンサンブルモデル全体から選択される。 局所的な説明では、候補ルールは特定の予測されたインスタンスに関連するルールのみを考慮して選択される。
  論文  参考訳（メタデータ） (2024-10-14T18:32:29Z)
• A Scalable Matrix Visualization for Understanding Tree Ensemble Classifiers [20.416696003269674]
  本稿では,数万のルールを含む木アンサンブル分類法を説明するために,拡張性のある視覚解析手法を提案する。 我々は,これらのルールを階層レベルで優先順位付けするための,異常バイアスモデル削減手法を開発した。 本手法は,共通ルールと異常ルールの両方を深く理解し,包括性を犠牲にすることなく解釈性を向上させる。
  論文  参考訳（メタデータ） (2024-09-05T01:48:11Z)
• A Unified Approach to Extract Interpretable Rules from Tree Ensembles via Integer Programming [2.1408617023874443]
  木アンサンブル法は、教師付き分類と回帰タスクにおいて有効であることが知られている。 我々の研究は、訓練された木アンサンブルから最適化されたルールのリストを抽出することを目的としており、利用者に凝縮された解釈可能なモデルを提供する。
  論文  参考訳（メタデータ） (2024-06-30T22:33:47Z)
• Optimized Feature Generation for Tabular Data via LLMs with Decision Tree Reasoning [53.241569810013836]
  本稿では,大規模言語モデル(LLM)を用いて,効率的な特徴生成ルールを同定するフレームワークを提案する。 我々は、自然言語で容易に表現できるため、この推論情報を伝達するために決定木を使用します。 OCTreeは様々なベンチマークで様々な予測モデルの性能を継続的に向上させる。
  論文  参考訳（メタデータ） (2024-06-12T08:31:34Z)
• Hierarchical Indexing for Retrieval-Augmented Opinion Summarization [60.5923941324953]
  本稿では,抽出アプローチの帰属性と拡張性と,大規模言語モデル(LLM)の一貫性と拡散性を組み合わせた,教師なし抽象的意見要約手法を提案する。 我々の方法であるHIROは、意味的に整理された離散的な階層を通して文を経路にマッピングするインデックス構造を学習する。 推測時にインデックスを投入し、入力レビューから人気意見を含む文群を識別し、検索する。
  論文  参考訳（メタデータ） (2024-03-01T10:38:07Z)
• Constrained Prescriptive Trees via Column Generation [5.273277327802614]
  本稿では、列生成による最適ポリシーを効率的に識別する新しいパスベース混合整数プログラム(MIP)について紹介する。 提案手法の有効性を,合成データと実データの両方に対して広範な実験により実証する。
  論文  参考訳（メタデータ） (2022-07-20T19:30:22Z)
• Structural Learning of Probabilistic Sentential Decision Diagrams under Partial Closed-World Assumption [127.439030701253]
  確率感性決定図は構造化分解可能な回路のクラスである。 本稿では,回路の論理的基盤を暗黙的に提供する部分閉世界仮定に基づく新しいスキームを提案する。 予備実験では、提案手法がトレーニングデータに適切に適合し、基礎となる論理的基盤と整合性を維持した上で、テストデータによく適合することを示した。
  論文  参考訳（メタデータ） (2021-07-26T12:01:56Z)
• Rewriting a Deep Generative Model [56.91974064348137]
  我々は,深層生成モデルによって符号化された特定の規則の操作という,新たな問題設定を導入する。 本稿では,ディープネットワークの層を線形連想メモリとして操作することで,所望のルールを変更する定式化を提案する。 本稿では,生成モデルのルールを対話的に変更し,望ましい効果を得られるユーザインタフェースを提案する。
  論文  参考訳（メタデータ） (2020-07-30T17:58:16Z)
• Building Rule Hierarchies for Efficient Logical Rule Learning from Knowledge Graphs [20.251630903853016]
  本稿では,ルール階層を用いて非プロミッシングルールを抽出する新しい手法を提案する。 HPMの応用は非プロムルールの除去に有効であることを示す。
  論文  参考訳（メタデータ） (2020-06-29T16:33:30Z)
• An Integer Linear Programming Framework for Mining Constraints from Data [81.60135973848125]
  データから制約をマイニングするための一般的なフレームワークを提案する。 特に、構造化された出力予測の推論を整数線形プログラミング(ILP)問題とみなす。 提案手法は,9×9のスドクパズルの解法を学習し,基礎となるルールを提供することなく,例からツリー問題を最小限に分散させることが可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-18T20:09:53Z)
• Hierarchical Variational Imitation Learning of Control Programs [131.7671843857375]
  パラメータ化された階層的手順(PHP)で表される制御ポリシーの模倣学習のための変分推論手法を提案する。 本手法は, 教師による実演の観察・行動トレースのデータセットにおける階層構造を, 手続き呼び出しや用語の待ち行列に近似した後続分布を学習することによって発見する。 階層的模倣学習(hierarchical mimicion learning)の文脈における変分推論の新たな利点を実証する。
  論文  参考訳（メタデータ） (2019-12-29T08:57:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。