RCProb: 트리 앙상블의 효율적 단순화를 위한 확률론적 규칙 추출

요약

본 논문은 복잡한 트리 앙상블 모델의 해석 가능성 문제를 해결하기 위해, 결정 규칙(decision rules)을 추출하는 새로운 확률론적 방법을 제안합니다. 기존 방법인 RuleCOSI+는 정확하지만 대규모 데이터셋에서 계산 비용이 높다는 단점이 있었습니다. 따라서 RCProb은 Dirichlet 및 Beta 평활화를 사용하여 반복적인 데이터 스캔 없이 효율적으로 규칙 통계를 추정함으로써, 컴팩트한 규칙 세트를 유지하면서도 런타임 속도를 크게 개선했습니다.

핵심 포인트

• 트리 앙상블 모델의 해석 가능성(XAI) 확보가 중요하며, 결정 규칙 추출이 효과적인 방법이다.
• 기존 RuleCOSI+는 계산 비용 문제로 인해 대규모 데이터셋 적용에 한계가 있었다.
• RCProb은 Dirichlet 및 Beta 평활화를 활용하여 반복적인 데이터 스캔을 피하고 효율성을 높였다.
• 실험 결과, RCProb은 기존 방식 대비 런타임 속도를 크게 개선하면서도 컴팩트한 규칙 세트를 생성하고 경쟁력 있는 예측 성능을 유지했다.