MBNDT に関する報道

この論文では、微分可能なマルチパス分割と適応枝刈りを使用して浅い決定木をトレーニングする MBNDT を提案します。これにより、各内部ノードが順序付けされたしきい値と分岐マスクを学習できるようになり、深さバジェットの下での表現力の損失が軽減されます。従来のバイナリ ツリーの単一閾値の意思決定と比較して、同じ深さでのマルチブランチの意思決定により、解釈可能性を維持しながら精度が大幅に向上します。これは、表形式の予測の分野が短いパス内でより高い精度を達成できることを意味し、リソースに制約のあるシナリオでの解釈可能なモデルの適用を促進する可能性があります。