論文の概要: Rigorous Explanations for Tree Ensembles
- arxiv url: http://arxiv.org/abs/2603.29361v1
- Date: Tue, 31 Mar 2026 07:34:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-01 15:25:03.253683
- Title: Rigorous Explanations for Tree Ensembles
- Title（参考訳）: 樹木アンサンブルの厳密な説明
- Authors: Yacine Izza, Alexey Ignatiev, Xuanxiang Huang, Peter J. Stuckey, Joao Marques-Silva,
- Abstract要約: ツリーアンサンブル(TE)は、多くの実用的な応用を見出す。
TEの運用における信頼を構築する一つの解決策は、予測された説明を自動的に識別することである。
本稿では,木アンサンブルの2つのよく知られた例について,厳密に定義された論理的説明の計算について検討する。
- 参考スコア（独自算出の注目度）: 25.06971117518282
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Tree ensembles (TEs) find a multitude of practical applications. They represent one of the most general and accurate classes of machine learning methods. While they are typically quite concise in representation, their operation remains inscrutable to human decision makers. One solution to build trust in the operation of TEs is to automatically identify explanations for the predictions made. Evidently, we can only achieve trust using explanations, if those explanations are rigorous, that is truly reflect properties of the underlying predictor they explain This paper investigates the computation of rigorously-defined, logically-sound explanations for the concrete case of two well-known examples of tree ensembles, namely random forests and boosted trees.
- Abstract（参考訳）: ツリーアンサンブル(TE)は、多くの実用的な応用を見出す。
それらは機械学習手法の最も一般的で正確なクラスの1つである。
通常、それらは非常に簡潔な表現であるが、その操作は人間の意思決定者にとって不可解なままである。
TEの運用における信頼を構築する一つの解決策は、予測された説明を自動的に識別することである。
本報告では, 木群集の具体例として, 木群集の具体例として, 厳密に定義された, 論理的に正しい説明の計算について検討する。
関連論文リスト
- Formally Explaining Decision Tree Models with Answer Set Programming [4.263043028086137]
本稿では,多種多様な説明,すなわち十分,対照的,多数,木固有の説明を生成する手法を提案する。
SATベースのアプローチと比較して、ASPベースの手法は、ユーザの好みをエンコードする際の柔軟性を向上し、可能なすべての説明の列挙をサポートする。
論文 参考訳（メタデータ） (2026-01-07T12:07:45Z) - Why do Random Forests Work? Understanding Tree Ensembles as
Self-Regularizing Adaptive Smoothers [68.76846801719095]
統計学で広く普及している偏りと分散還元に対する現在の高次二分法は、木のアンサンブルを理解するには不十分である、と我々は主張する。
森林は、通常暗黙的に絡み合っている3つの異なるメカニズムによって、樹木を改良できることを示す。
論文 参考訳（メタデータ） (2024-02-02T15:36:43Z) - Conceptual Views on Tree Ensemble Classifiers [0.0]
ランダムフォレストと関連するツリーベースの手法は、テーブルベースのデータから教師付き学習に人気がある。
並列化の容易さとは別に 分類性能も優れています
この不利を補うために統計手法が用いられることが多いが、局所的な説明、特にグローバルな説明の能力は限られている。
論文 参考訳（メタデータ） (2023-02-10T14:33:21Z) - Explanation Selection Using Unlabeled Data for Chain-of-Thought
Prompting [80.9896041501715]
非専門家によって書かれたオフ・ザ・シェルフの説明のように、タスクのために"チューニング"されていない説明は、中途半端なパフォーマンスをもたらす可能性がある。
本稿では,ブラックボックス方式で説明拡散プロンプトを最適化する方法の課題に対処する。
論文 参考訳（メタデータ） (2023-02-09T18:02:34Z) - Computing Abductive Explanations for Boosted Trees [22.349433202401354]
本稿では,高木に対する木固有の説明法について紹介する。
木固有の説明は時間で計算できる帰納的説明であることを示す。
また、木固有の説明から、サブセット最小誘引的説明を導出する方法についても説明する。
論文 参考訳（メタデータ） (2022-09-16T06:53:42Z) - On Tackling Explanation Redundancy in Decision Trees [19.833126971063724]
決定木(DT)は機械学習(ML)モデルの解釈可能性の理想を表わしている。
本稿では, 決定木の解釈可能性と説明の簡潔さが等価である限り, 決定木を解釈可能とみなさざるを得ないことを示す理論的および実験的議論について述べる。
論文 参考訳（メタデータ） (2022-05-20T05:33:38Z) - Prompting Contrastive Explanations for Commonsense Reasoning Tasks [74.7346558082693]
大規模事前学習言語モデル(PLM)は、常識推論タスクにおいて、ほぼ人間に近い性能を達成することができる。
人間の解釈可能な証拠を生成するために、同じモデルを使う方法を示す。
論文 参考訳（メタデータ） (2021-06-12T17:06:13Z) - Towards Interpretable Natural Language Understanding with Explanations
as Latent Variables [146.83882632854485]
そこで本研究では,人間に注釈付き説明文の小さなセットだけを必要とする自然言語理解の枠組みを構築した。
我々のフレームワークは、ニューラルネットワークの基本的な推論過程をモデル化する潜在変数として、自然言語の説明を扱う。
論文 参考訳（メタデータ） (2020-10-24T02:05:56Z) - Evaluating Tree Explanation Methods for Anomaly Reasoning: A Case Study
of SHAP TreeExplainer and TreeInterpreter [6.718611456024702]
木に基づくモデルを記述するための2つの手法-木インタープリタ(TI)とシャプレー付加例木説明器(SHAP-TE)-の性能について検討する。
SHAP-TEはTI上での整合性を保証するが,計算量の増加を犠牲にすることで,このケーススタディでは必ずしも整合性は向上しないことがわかった。
論文 参考訳（メタデータ） (2020-10-13T23:18:26Z) - The Struggles of Feature-Based Explanations: Shapley Values vs. Minimal
Sufficient Subsets [61.66584140190247]
機能に基づく説明は、自明なモデルでも問題を引き起こすことを示す。
そこで本研究では,2つの一般的な説明書クラスであるシェープリー説明書と十分最小限の部分集合説明書が,基本的に異なる基底的説明書のタイプをターゲットにしていることを示す。
論文 参考訳（メタデータ） (2020-09-23T09:45:23Z)
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。