Selitettävä päätöspuu
Selitettävä päätöspuu on luokittelu- tai regressiopuu, joka on tarkoituksella kasvatettu matalaksi, luettavaksi ja auditoitavaksi – tuottaen rajallisen joukon jos-niin-sääntöjä, jotka ihminen voi tarkistaa ilman lisätyökaluja. Se sijaitsee ennustavan mallintamisen ja selitettävän tekoälyn (XAI) risteyskohdassa, ja se valitaan, kun sidosryhmien on ymmärrettävä ja luotettava jokaiseen mallin tekemään ennusteeseen.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Breiman, L., Friedman, J., Olshen, R. A., & Stone, C. J. (1984). Classification and Regression Trees. Wadsworth & Brooks/Cole. ISBN: 978-0-412-04841-8
- Rudin, C. (2019). Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead. Nature Machine Intelligence, 1(5), 206–215. DOI: 10.1038/s42256-019-0048-x ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Explainable Decision Tree (Interpretable Rule-Based Classification and Regression Tree). ScholarGate. https://scholargate.app/fi/machine-learning/explainable-decision-tree
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.
- PäätöspuuKoneoppiminen↔ compare
- Logistinen regressioTutkimuksen tilastomenetelmät↔ compare
- Random ForestKoneoppiminen↔ compare
- XGBoostKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →