研究人员引入了多汇点决策谓词图 (ms-DPGs) 来更好地解释多输出树集成。这些模型使用共享决策路径来预测多个二元标签,但现有的归因方法通常独立分析每个输出。ms-DPGs 扩展了决策谓词图,为每个标签设置一个汇点,从而可以定义共享谓词流 (SPF) 来量化决策质量如何在标签之间共享。在九个多标签基准上的实验表明,即使在预测性能相似的情况下,原生多输出森林也比二元相关性方法表现出显著更多的共享决策结构。 AI
影响 提供了一种解释复杂多输出模型的新颖方法,有望提高 AI 系统的信任度和调试能力。
排序理由 该条目描述了一种新方法及其在基准测试上的评估,符合研究类别。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- multi-label benchmarks
- multi-output tree ensemble
- multi-sink Decision Predicate Graphs
- native multi-output forests
- Shared Predicate Flow
- TreeSHAP
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →