Machine learningMachine learning
説明可能な決定木
説明可能な決定木（Explainable Decision Tree）とは、意図的に浅く、読みやすく、監査可能なように成長させられた分類木または回帰木であり、人間が追加ツールなしで検証できる有限個の if-then ルールを生成する。これは予測モデリングと説明可能なAI（XAI）の交差点に位置し、ステークホルダーがモデルのあらゆる予測を理解し、信頼する必要がある場合に選択される。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Explainable Decision Tree (Interpretable Rule-Based Classification and Regression Tree). ScholarGate. https://scholargate.app/ja/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.
Compare side by side →