Articles sur MBNDT

Cet article propose MBNDT, qui utilise la division multitrajet différentiable et l'élagage adaptatif pour former des arbres de décision superficiels, permettant à chaque nœud interne d'apprendre des seuils ordonnés et des masques de branche, réduisant ainsi la perte d'expressivité sous le budget de profondeur. Par rapport à la prise de décision à seuil unique des arbres binaires traditionnels, la prise de décision multibranches à profondeurs égales améliore considérablement la précision tout en conservant l'interprétabilité. Cela signifie que le domaine de la prédiction tabulaire peut atteindre une plus grande précision sur des trajets courts, ce qui peut favoriser l'application de modèles interprétables dans des scénarios aux ressources limitées.