上下文决策树
机器学习
2022-07-14 v1 机器学习
摘要
聚焦于随机森林(Random Forests),我们提出了一种多臂上下文老虎机推荐框架,用于基于特征选择所学集成中单棵浅层树。该训练系统工作在随机森林之上,动态识别负责给出最终输出的基预测器。由此,我们通过观察被推荐树的规则获得局部解释。所开展的实验表明,我们的动态方法优于独立拟合的 CART 决策树,并且在预测性能上可与整体黑盒随机森林相媲美。
引用
@article{arxiv.2207.06355,
title = {Contextual Decision Trees},
author = {Tommaso Aldinucci and Enrico Civitelli and Leonardo di Gangi and Alessandro Sestini},
journal= {arXiv preprint arXiv:2207.06355},
year = {2022}
}