Förklaringsbar beslutsträd
Ett förklaringsbart beslutsträd är ett klassificerings- eller regressions-träd som avsiktligt växer grunt, är läsbart och granskningsbart – och producerar en ändlig mängd om-då-regler som en människa kan verifiera utan ytterligare verktyg. Det befinner sig i skärningspunkten mellan prediktiv modellering och Explainable AI (XAI), och väljs när intressenter måste förstå och lita på varje prediktion som modellen gör.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Explainable Decision Tree (Interpretable Rule-Based Classification and Regression Tree). ScholarGate. https://scholargate.app/sv/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.
- BeslutsträdMaskininlärning↔ compare
- Logistisk regressionForskningsstatistik↔ compare
- Random ForestMaskininlärning↔ compare
- XGBoostMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →