ODTlearn: A Package for Learning Optimal Decision Trees for Prediction and Prescription

要約

ODTLearn は、Aghaei et al. が提案した混合整数最適化 (MIO) フレームワークに基づいて、一か八かの予測タスクおよび規範タスクに最適なデシジョン ツリーを学習するためのメソッドを提供するオープンソース Python パッケージです。
(2019) とその拡張機能のいくつか。
パッケージの現在のバージョンでは、観測データから最適な分類木、最適な公平分類木、分布の変化に強い最適な分類木、および最適な規範木を学習するための実装が提供されます。
新しい最適なデシジョン ツリー問題クラス、再定式化戦略、およびソリューション アルゴリズムが導入されるにつれて、パッケージは保守と拡張が容易になるように設計されています。
この目的を達成するために、このパッケージはオブジェクト指向設計原則に従い、商用 (Gurobi) ソルバーとオープンソース (COIN-OR ブランチ アンド カット) ソルバーの両方をサポートします。
パッケージのドキュメントと詳細なユーザー ガイドは、https://d3m-research-group.github.io/odtlearn/ で見つけることができます。
さらに、ユーザーは https://github.com/D3M-Research-Group/odtlearn にアクセスして、パッケージのソース コードを表示し、機能リクエストやバグ レポートを送信できます。

要約(オリジナル)

ODTLearn is an open-source Python package that provides methods for learning optimal decision trees for high-stakes predictive and prescriptive tasks based on the mixed-integer optimization (MIO) framework proposed in Aghaei et al. (2019) and several of its extensions. The current version of the package provides implementations for learning optimal classification trees, optimal fair classification trees, optimal classification trees robust to distribution shifts, and optimal prescriptive trees from observational data. We have designed the package to be easy to maintain and extend as new optimal decision tree problem classes, reformulation strategies, and solution algorithms are introduced. To this end, the package follows object-oriented design principles and supports both commercial (Gurobi) and open source (COIN-OR branch and cut) solvers. The package documentation and an extensive user guide can be found at https://d3m-research-group.github.io/odtlearn/. Additionally, users can view the package source code and submit feature requests and bug reports by visiting https://github.com/D3M-Research-Group/odtlearn.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google