Residual Pattern Tree Ensemble

新的 RPTE 方法增强了树集成模型的可审计性

研究人员开发了一种名为残差模式树集成 (RPTE) 的新方法，以创建更可审计的机器学习模型，用于临床环境等敏感应用。RPTE 使用三阶段流程，确保预测可以分解为命名的、不重叠的规则贡献，从而更容易检查和审计。在对十二个临床数据集的评估中，RPTE 在准确性方面与现有模型相当，与 XGBoost 相比显著降低了模型检查的复杂性，并提供了比 RuleFit 更好的可审计性。