以证据为治理：决策树模型中的受监管预测器
机器学习
2025-12-19 v1
摘要
决策树方法广泛用于结构化表格数据，因其可解释性在多个领域受到青睞。然而，已发表的研究常列出所使用的预测器（例如年龄、诊断代码、位置）。隐私法规日益监管此类数据类型。我们将已发表的决策树论文作为实际使用受监管数据类型的代理。我们构建了决策树研究语料库，并将每个报告的预测器分配到受监管数据类别（例如健康数据、生物识别信息、儿童数据、财务属性、位置轨迹和政府 ID）。随后我们将每个类别链接到欧盟和美国隐私法规的具体条文。我们发现许多报告的预测器属于受监管类别，其中最大比例集中在医疗保健领域，不同行业之间存在显著差异。我们分析了现存情况、行业构成以及时间模式，并总结了每个框架参考年份对应的治理对齐时间。我们的证据支持隐私保护方法和治理检查，并可为决策树之外的机器学习实践提供指导。
引用
@article{arxiv.2512.15955,
title = {Governance by Evidence: Regulated Predictors in Decision-Tree Models},
author = {Alexios Veskoukis and Dimitris Kalles},
journal= {arXiv preprint arXiv:2512.15955},
year = {2025}
}