Optimal Counterfactual Search in Tree Ensembles: A Study Across Modeling and

요약

본 논문은 트리 앙상블 모델에서 최적의 반사실(counterfactual) 설명을 계산하는 방법을 연구합니다. 기존 방법론들이 직면하는 불충분한 설명 및 비효율적인 권장 사항 문제를 해결하기 위해, 본 연구는 개연성(plausibility)과 실행 가능성(actionability) 제약 조건을 도입하여 최적의 반사실 검색을 수행합니다. 이를 위해 Constraint Programming (CP) 기반의 새로운 프레임워크인 CPCF를 제안하며, 이는 연속적인 분할 경계 탐색 없이 다중 거리 목표를 지원하는 간결한 유한 영역 공식화(compact finite-domain formulation)를 제공합니다.

핵심 포인트

• 트리 앙상블에서 최적의 반사실 설명 계산은 개연성 및 실행 가능성 제약 조건 하의 조합론적 문제입니다.
• 제안된 CPCF (Constraint Programming Formulation)는 연속적인 분할 경계 탐색 없이 다중 거리 목표를 지원하는 효율적인 유한 영역 공식화입니다.
• CP, MaxSAT, MILP 세 가지 최적화 패러다임을 비교 분석하여 각 방법론의 강점과 적합한 사용 환경(regime)을 식별했습니다.
• 실험 결과, CP가 전반적으로 가장 다재다능하고 좋은 성능을 보였으며, MaxSAT은 하드-투표 앙상블에, MILP는 중간 수준의 분할 레벨 추론 설정에서 강점을 가짐을 입증했습니다.