Papers11:09
Chinese content论文提出部分可解释决策树:复杂输入可交给黑盒模型一篇把可解释性和精度做成滑块的论文:简单输入自己解释,难的交给黑盒。还证明了多数情况下普通 CART 就够了。
一篇把可解释性和精度做成滑块的论文:简单输入自己解释,难的交给黑盒。还证明了多数情况下普通 CART 就够了。
FQTree把提升决策树的量化做到硬件级,在FPGA上能省26-57%查找表,精度还不掉,做边缘部署的可以看看。
想搞懂马尔可夫决策过程控制器可解释性的可以看看这个。dtControl2+ε用ε容忍度换更小更易懂的决策树,比原先的压缩效果好很多。
做分类模型的团队终于有了一个不增加额外参数就能处理边界不确定性的方法——三元决策树在 72 个数据集上显著优于 CART,做医疗或金融风控的开发者可以直接在现有 CART 框架上实现,值得一试。