基于均方根误差（RMSE）值的决策树与局部不可知模型解释（LIME）技术及多元线性回归在解释支持向量回归模型中的比较
机器学习
2024-04-11 v1 人工智能
摘要
在这项工作中，决策树被用于解释支持向量回归模型。决策树既作为全局技术也作为局部技术发挥作用。将它们与作为局部解释技术的流行 LIME 技术以及多元线性回归进行了比较。观察到，在 5 个数据集上的运行中，有 87% 的情况相比于 LIME，拟合于支持向量回归的决策树给出了更低的 RMSE 值。结果的比较具有统计学意义。在 5 个数据集上的运行中，有 73% 的情况相比于 LIME，拟合于支持向量回归模型的多元线性回归也给出了更低的 RMSE 值，但结果的比较不具有统计学意义。此外，当作为局部解释技术使用时，决策树比 LIME 给出了更好的性能，且结果的比较具有统计学意义。
引用
@article{arxiv.2404.07046,
title = {Comparison of decision trees with Local Interpretable Model-Agnostic Explanations (LIME) technique and multi-linear regression for explaining support vector regression model in terms of root mean square error (RMSE) values},
author = {Amit Thombre},
journal= {arXiv preprint arXiv:2404.07046},
year = {2024}
}