Forklarlig Random Forest

Forklarlig Random Forest (XRF) kombinerer den prædiktive kraft fra Breimans Random Forest-ensemble med systematiske post-hoc-attributionsmetoder – primært SHAP-værdier og mean-decrease-in-impurity-vigtighed – for at gøre modelbeslutninger transparente og auditerbare. Den leverer både høj nøjagtighed og menneskeligt fortolkelige bidrag fra features, hvilket imødekommer krav fra regulatorer, domæneeksperter og akademiske bedømmere.