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
- Hierarchical Indexing for Retrieval-Augmented Opinion Summarization [68.09977874599925]
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) - Abstracting Concept-Changing Rules for Solving Raven's Progressive
Matrix Problems [54.26307134687171]
Raven's Progressive Matrix (RPM) は、候補者の中から選択することで、機械知能においてそのような能力を実現する古典的なテストである。
近年の研究では、RPMの解法はルールの深い理解を促進することが示唆されている。
本稿では、解釈可能な概念を学習し、潜在空間における概念変更ルールを解析することにより、概念変更ルールABstraction(CRAB)の潜時変数モデルを提案する。
論文 参考訳(メタデータ) (2023-07-15T07:16:38Z) - 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) - Visual Exploration of Machine Learning Model Behavior with Hierarchical
Surrogate Rule Sets [13.94542147252982]
本稿では,ユーザ定義パラメータに基づく階層的ルールを生成するアルゴリズムである階層的サロゲートルール(HSR)を提案する。
我々はまた、HSRと対話型代理ルール可視化を統合した視覚分析(VA)システムであるSuREにも貢献する。
パラメータ感度,時間性能,および代理決定木との比較により,本アルゴリズムの評価を行った。
論文 参考訳(メタデータ) (2022-01-19T17:03:35Z) - An Exploration And Validation of Visual Factors in Understanding
Classification Rule Sets [21.659381756612866]
ルールセットは、透明性と知性が必要な設定でモデルロジックを伝える手段として、機械学習(ML)でよく使用される。
意外なことに、これまではルールを提示するための視覚的な代替策を探究する作業が限られていた。
この作業は、MLモデルを理解するためのコミュニケーション戦略としてルールを使用する場合、実践者がより効果的なソリューションを採用するのに役立つ。
論文 参考訳(メタデータ) (2021-09-19T16:33:16Z) - 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) - Rule Covering for Interpretation and Boosting [0.0]
木に基づくアンサンブル手法の解釈と促進のための2つのアルゴリズムを提案する。
第一のアルゴリズムは、訓練されたランダムな森林モデルから得られる決定木を収集する。
第2のアルゴリズムは、決定木を増強するためにルール生成スキームを使用する。
論文 参考訳(メタデータ) (2020-07-13T13:42:57Z) - 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。