व्याख्या योग्य निर्णय वृक्ष
एक व्याख्या योग्य निर्णय वृक्ष (Explainable Decision Tree) एक वर्गीकरण या प्रतिगमन वृक्ष है जिसे जानबूझकर छोटा, पठनीय और अंकेक्षण योग्य (auditable) बनाया जाता है — जो नियमों का एक सीमित सेट उत्पन्न करता है जिसे कोई व्यक्ति अतिरिक्त उपकरणों के बिना सत्यापित कर सकता है। यह भविष्य कहनेवाला मॉडलिंग (predictive modelling) और व्याख्या योग्य AI (Explainable AI - XAI) के चौराहे पर स्थित है, जिसे तब चुना जाता है जब हितधारकों को मॉडल द्वारा की गई प्रत्येक भविष्यवाणी को समझने और उस पर भरोसा करने की आवश्यकता होती है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Explainable Decision Tree (Interpretable Rule-Based Classification and Regression Tree). ScholarGate. https://scholargate.app/hi/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.
- निर्णय वृक्षमशीन अधिगम↔ compare
- लॉजिस्टिक रिग्रेशनअनुसंधान सांख्यिकी↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- XGBoostमशीन अधिगम↔ compare