Forklarbar beslutningstre
Et forklarbart beslutningstre er et klassifiserings- eller regresjonstre som er bevisst bygget for å være grunt, lesbart og reviderbart – og produserer et endelig sett med hvis-så-regler som et menneske kan verifisere uten ekstra verktøy. Det befinner seg i skjæringspunktet mellom prediktiv modellering og forklarbar kunstig intelligens (XAI), og velges når interessenter må forstå og stole på hver prediksjon modellen lager.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Explainable Decision Tree (Interpretable Rule-Based Classification and Regression Tree). ScholarGate. https://scholargate.app/no/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.
- BeslutningstreMaskinlæring↔ compare
- Logistisk regresjonForskningsstatistikk↔ compare
- Random ForestMaskinlæring↔ compare
- XGBoostMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →