决策树集成模型的形式化验证及其违例输入值区间检测
软件工程
2020-05-25 v1 人工智能
摘要
作为机器学习模型的一种，“决策树集成模型”（DTEM）由一组决策树表示。DTEM 主要以对结构化数据有效而为人所知；然而，与其他机器学习模型类似，难以训练至对任意输入值均返回正确输出值。因此，当 DTEM 用于需要可靠性的系统时，在开发阶段全面检测导致系统故障（失效）的输入值并采取适当措施十分重要。一种可想到的方案是安装控制 DTEM 输入值的输入过滤器，并使用独立软件处理可能导致失效的输入值。为开发该输入过滤器，需指定导致系统失效的输入值的过滤条件。鉴于此需求，本文提出一种形式化验证 DTEM 的方法，并依据验证结果，在发现导致失效的输入值时，提取此类输入值存在的区间。所提方法可全面提取导致失效的输入值存在的区间；因此，基于该区间创建输入过滤器，可防止系统发生失效。本文描述了所提方法的算法，并给出使用房价数据集的案例研究结果。基于这些结果，论证了所提方法的可行性并评估了其可扩展性。
引用
@article{arxiv.1904.11753,
title = {Formal Verification of Decision-Tree Ensemble Model and Detection of its Violating-input-value Ranges},
author = {Naoto Sato and Hironobu Kuruma and Yuichiroh Nakagawa and Hideto Ogawa},
journal= {arXiv preprint arXiv:1904.11753},
year = {2020}
}