決定木ベースの機械学習モデル(Random Forests, XGBboost)からdefragTreesを利用して一目でわかるルールの抽出を試みる。 - Qiita

はじめに 背景 近年の機械学習モデルは年々その複雑さを増しています。特にビジネスで機械学習モデルから何かを説明する際に、人間の目にとってはブラックボックス化した機械学習モデルを解釈することが困難です。そこで、そのブラックボックス化した機械学習モデルから人間の目にも一目でわかる単純なルールを取り出すことが望まれていました。 内容 本ページでは次のような決定木ベースの機械学習モデルを構築します。 Random Forests XGBboost その単純化されたルールの抽出を試みるために、defragTreesを利用する。 LightGBMはほぼ同じなの元のページを参考にしてください。 学銃的な背景 本ページは、Making Tree Ensembles Interpretable: A Bayesian Model Selection Approachを参考にしています。この論文のソースコード