مقاله توضیحات مبتنی بر مثال از پیش بینی های جنگل تصادفی

چکیده

A random forest prediction can be computed by the scalar product of the labels of the training examples and a set of weights that are determined by the leafs of the forest into which the test object falls; each prediction can hence be explained exactly by the set of training examples for which the weights are non-zero. The number of examples used in such explanations is shown to vary with the dimensionality of the training set and hyperparameters of the random forest algorithm. This means that the number of examples involved in each prediction can to some extent be controlled by varying these parameters. However, for settings that lead to a required predictive performance, the number of examples involved in each prediction may be unreasonably large, preventing the user to grasp the explanations. In order to provide more useful explanations, a modified prediction procedure is proposed, which includes only the top-weighted examples. An investigation on regression and classification tasks shows that the number of examples used in each explanation can be substantially reduced while maintaining, or even improving, predictive performance compared to the standard prediction procedure.

چکیده به فارسی (ترجمه ماشینی)

پیش بینی جنگل تصادفی را می توان با محصول مقیاس پذیر برچسب های نمونه های آموزش و مجموعه ای از وزنهای که توسط برگهای جنگل که در آن شیء آزمایش قرار می گیرد ، محاسبه کرد.از این رو هر پیش بینی می تواند دقیقاً با مجموعه نمونه هایی از آموزش که وزن آنها غیر صفر است توضیح داده شود.تعداد نمونه های مورد استفاده در چنین توضیحاتی با ابعاد مجموعه آموزش و هایپرپارامترهای الگوریتم جنگل تصادفی متفاوت است.این بدان معنی است که تعداد نمونه های درگیر در هر پیش بینی می تواند تا حدودی با تغییر این پارامترها کنترل شود.با این حال ، برای تنظیماتی که منجر به عملکرد پیش بینی کننده لازم می شود ، تعداد نمونه های درگیر در هر پیش بینی ممکن است غیر منطقی بزرگ باشد ، و مانع از درک کاربر می شود.به منظور ارائه توضیحات مفیدتر ، یک روش پیش بینی اصلاح شده ارائه شده است ، که فقط نمونه های با وزن بالا را شامل می شود.بررسی در مورد وظایف رگرسیون و طبقه بندی نشان می دهد که تعداد نمونه های مورد استفاده در هر توضیح می تواند ضمن حفظ یا حتی بهبود عملکرد پیش بینی در مقایسه با روش پیش بینی استاندارد ، به طور قابل توجهی کاهش یابد.