Arbore de decizie explicabil
Un arbore de decizie explicabil este un arbore de clasificare sau de regresie construit în mod deliberat pentru a fi superficial, ușor de citit și auditabil — producând un set finit de reguli de tip „dacă-atunci” pe care un om le poate verifica fără instrumente suplimentare. Acesta se află la intersecția dintre modelarea predictivă și Inteligența Artificială Explicabilă (XAI), fiind ales atunci când părțile interesate trebuie să înțeleagă și să aibă încredere în fiecare predicție pe care o face modelul.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Explainable Decision Tree (Interpretable Rule-Based Classification and Regression Tree). ScholarGate. https://scholargate.app/ro/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.
- Arbore de decizieÎnvățare automată↔ compare
- Regresia LogisticăStatistică pentru cercetare↔ compare
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
- XGBoostÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →