RCProb：木構造アンサンブルの効率的な簡略化のための確率的ルール抽出
arXiv cs.LG / 2026/4/29
📰 ニュースDeveloper Stack & InfrastructureIdeas & Deep AnalysisModels & Research
要点
- 木構造アンサンブルは規模が大きくなるほど人間にとって解釈しにくくなるため、予測精度をなるべく維持しつつ説明可能なXAIモデルを生成する手法が求められている。
- 本論文では、RCProbを提案し、従来のRuleCOSI+を確率的に組み替えることで、学習データ上での経験的な頻度カウントを繰り返さずにルール抽出の計算コストを削減する。
- RCProbはNaive Bayes型の定式化により、Dirichletスムージングしたクラス事前分布とBetaスムージングした条件付き尤度を用いて、繰り返しデータ走査なしにルール統計を推定する。
- 33のベンチマークデータセットでの実験では、RCProbがRuleCOSI+に対して約22倍の実行時間短縮を達成しつつ、予測性能は競争力を維持し、平均的によりコンパクトなルール集合を生成できることが示された。
