返回
RuleExplorer: A Scalable Matrix Visualization for Understanding Tree Ensemble Classifiers
DOI:10.1109/TVCG.2024.3514115.png)
摘要
En 中文
树 ensemble 分类器的高性能得益于大量规则,这反过来使得模型难以理解。为提高可解释性,现有方法通过模型缩减技术提取规则的一个子集进行近似。然而,这些方法通过关注缩减后的规则集,往往失去保真度,并忽略那些尽管频率低但在实际应用中起关键作用的异常规则。本文介绍了一种可扩展的视觉分析方法,用于解释包含数万条规则的树 ensemble 分类器。关键思想是通过将规则自适应地组织为层次结构而非缩减它们,来解决失去保真度的问题。为确保包含异常规则,我们开发了一种偏向异常的模型缩减方法,以在每个层次级别优先考虑这些规则。与这种规则的层次组织协同,我们开发了一种基于矩阵的层次化可视化方法,以支持不同详细程度的探索。我们的定量实验和案例研究展示了该方法如何促进对常见规则和异常规则的更深入理解,从而在不牺牲全面性的情况下增强可解释性。
Keyword:
Hierarchical visualization
model reduction
tree ensemble classifier
期刊
IF:
6.5
论文数:
353
被引数:
2.2W

