Local Interpretability of Random Forests for Multi-Target Regression

要約

マルチターゲット回帰は、多くのアプリケーションで役立ちます。
ランダム フォレスト モデルはこれらのタスクでうまく機能しますが、多くの場合、解釈が困難です。
機械学習では、特に人間の幸福に直接影響を与える可能性がある場合、解釈可能性は非常に重要です。
マルチターゲット回帰にはモデルに依存しない手法が存在しますが、ランダム フォレスト モデルに合わせた特定の手法は利用できません。
この問題に対処するために、ランダム フォレストの解釈可能性に関する最近のモデル固有の手法の影響を受けて、マルチターゲット回帰のランダム フォレスト モデルによって作成されたインスタンスにルール ベースの解釈を提供する手法を提案します。
提案された手法は、広範な実験を通じて評価され、最先端の手法と比較して競争力のある解釈を提供することが示されました。

要約(オリジナル)

Multi-target regression is useful in a plethora of applications. Although random forest models perform well in these tasks, they are often difficult to interpret. Interpretability is crucial in machine learning, especially when it can directly impact human well-being. Although model-agnostic techniques exist for multi-target regression, specific techniques tailored to random forest models are not available. To address this issue, we propose a technique that provides rule-based interpretations for instances made by a random forest model for multi-target regression, influenced by a recent model-specific technique for random forest interpretability. The proposed technique was evaluated through extensive experiments and shown to offer competitive interpretations compared to state-of-the-art techniques.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google