PulseAugur
中
实时 10:13:57
English(EN) Backward Compatibility in Tree-Based Explanations and Enhanced CART Algorithm

新算法确保模型更新后决策树解释的稳定性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员引入了一种名为树形解释中的向后兼容性损失（BCLTX）的新损失度量，以解决更新的决策树模型中解释变化的问题。他们还开发了一种算法，即具有树形解释中向后兼容性的CART（CART-BCTX），该算法增强了CART算法以最小化这些解释变化。在各种数据集上的实验表明，CART-BCTX在预测性能和解释稳定性之间取得了良好的平衡，其计算成本与标准CART算法相似。 AI

影响 确保使用更新的树形模型的决策制定系统具有更大的信任度和可靠性。

排序理由 这是一篇详细介绍机器学习模型新算法和损失度量的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新算法确保模型更新后决策树解释的稳定性

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Hirofumi Suzuki ·

    树基解释中的向后兼容性及增强型CART算法

    arXiv:2608.08674v1 Announce Type: new Abstract: In the operation of machine learning models, model update is a fundamental process that requires careful consideration of its impact on downstream decision-making. Particularly when operating explainable models, changes in explanati…

相关实体

相关话题