Enhancing Visual Interpretability and Explainability in Functional Survival Trees and Forests

要約

機能生存モデルは、機能的または高次元の入力など、複雑な予測因子を使用してイベントまでの時間データを分析するための重要なツールです。
予測強度にもかかわらず、これらのモデルはしばしば解釈可能性を欠いており、実際の意思決定とリスク分析における価値を制限します。
この研究では、2つの重要な生存モデルを調査します。機能的生存ツリー（FST）と機能的ランダム生存林（FRSF）です。
FSTモデルの解釈可能性を高め、FRSFアンサンブルの説明可能性を向上させるための新しい方法とツールを導入します。
実際のデータセットとシミュレートされたデータセットの両方を使用して、提案されたアプローチがモデルアンサンブルの基礎となる意思決定プロセスを正確にキャプチャする効率的で理解しやすい意思決定ツリーを生成することを示しています。

要約(オリジナル)

Functional survival models are key tools for analyzing time-to-event data with complex predictors, such as functional or high-dimensional inputs. Despite their predictive strength, these models often lack interpretability, which limits their value in practical decision-making and risk analysis. This study investigates two key survival models: the Functional Survival Tree (FST) and the Functional Random Survival Forest (FRSF). It introduces novel methods and tools to enhance the interpretability of FST models and improve the explainability of FRSF ensembles. Using both real and simulated datasets, the results demonstrate that the proposed approaches yield efficient, easy-to-understand decision trees that accurately capture the underlying decision-making processes of the model ensemble.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google