GPT-HTree: A Decision Tree Framework Integrating Hierarchical Clustering and Large Language Models for Explainable Classification

要約

このペーパーでは、この課題に対処するために、階層的クラスタリング、デシジョン ツリー、大規模言語モデル (LLM) を組み合わせたフレームワークである GPT-HTree を紹介します。
GPT-HTree は、顕著な特徴に基づいて個人をセグメント化するための階層的クラスタリング、クラス分布のバランスをとるためのリサンプリング技術、および各クラスター内の分類パスを調整するためのデシジョン ツリーを活用することにより、精度と解釈可能性の両方を保証します。
LLM は、人間が判読できるクラスターの説明を生成し、定量的分析と実用的な洞察を橋渡しすることでフレームワークを強化します。

要約(オリジナル)

This paper introduces GPT-HTree, a framework combining hierarchical clustering, decision trees, and large language models (LLMs) to address this challenge. By leveraging hierarchical clustering to segment individuals based on salient features, resampling techniques to balance class distributions, and decision trees to tailor classification paths within each cluster, GPT-HTree ensures both accuracy and interpretability. LLMs enhance the framework by generating human-readable cluster descriptions, bridging quantitative analysis with actionable insights.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google