الغابة العشوائية القابلة للتفسير
تجمع الغابة العشوائية القابلة للتفسير (XRF) بين القدرة التنبؤية لمجموعة الغابات العشوائية لبريمان وطرق الإسناد اللاحقة المنهجية - بشكل أساسي قيم SHAP وأهمية متوسط انخفاض الشوائب - لجعل قرارات النموذج شفافة وقابلة للتدقيق. إنها توفر كلاً من الدقة العالية والمساهمات المفسرة للبشر للميزات، مما يلبي متطلبات الجهات التنظيمية وخبراء المجال والمراجعين الأكاديميين على حد سواء.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
المصادر
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765–4774. link ↗
- Breiman, L. (2001). Random Forests. Machine Learning, 45, 5–32. DOI: 10.1023/A:1010933404324 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Explainable Random Forest (Interpretable Ensemble with Feature Attribution). ScholarGate. https://scholargate.app/ar/machine-learning/explainable-random-forest
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- شجرة القرار (Decision Tree)تعلم الآلة↔ compare
- تعزيز التدرجتعلم الآلة↔ compare
- الغابات العشوائيةتعلم الآلة↔ compare
- XGBoostتعلم الآلة↔ compare