Uitlegbare Beslisboom
Een Uitlegbare Beslisboom is een classificatie- of regressieboom die opzettelijk ondiep, leesbaar en controleerbaar wordt gekweekt — wat resulteert in een eindige set van indien-dan-regels die een mens zonder aanvullende hulpmiddelen kan verifiëren. Het bevindt zich op het snijvlak van voorspellende modellering en Verklaarbare AI (XAI), en wordt gekozen wanneer belanghebbenden elke voorspelling die het model maakt moeten begrijpen en vertrouwen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Explainable Decision Tree (Interpretable Rule-Based Classification and Regression Tree). ScholarGate. https://scholargate.app/nl/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.
- BeslisboomMachine learning↔ compare
- Logistische RegressieOnderzoeksstatistiek↔ compare
- Random ForestMachine learning↔ compare
- XGBoostMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →