Explainable Random Forest

Explainable Random Forest (XRF) kombinerer prediksjonskraften til Breimans Random Forest-ensemble med systematiske post-hoc attribusjonsmetoder – primært SHAP-verdier og mean-decrease-in-impurity importance – for å gjøre modellbeslutninger transparente og reviderbare. Den leverer både høy nøyaktighet og menneskelig tolkbare bidrag fra variabler, og tilfredsstiller krav fra regulatorer, domeneeksperter og akademiske fagfellevurderere.