最適な意思決定木による解釈可能な分位点回帰
arXiv cs.LG / 2026/4/24
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、解釈可能性と頑健性を高めることを目的に、最適な分位点回帰（quantile regression）ツリー群を学習する新しい手法を提案します。
- 目標変数の分布について事前の仮定を置かない形で、分位点回帰により結果の条件付き分布全体に関する予測を生成します。
- 生成されるツリーは解釈可能性を維持するよう設計されており、エンドユーザーがモデル出力を理解し、信頼しやすくなります。
- 著者らは、単一のツリーを学習する場合と比べてアルゴリズム効率が大きく損なわれないと主張していますが、複数の最適ツリーを同時に学習します。
