Core Concepts
決定木は、LIMEや多変量線形回帰よりもサポートベクター回帰モデルをより正確に説明できる。これは決定木が非線形関係をより適切に捉えられるためである。
Abstract
本研究では、サポートベクター回帰モデルを説明するための手法として、決定木、LIME、多変量線形回帰の3つを比較している。
5つのデータセットを用いて15回の実験を行った。
サポートベクター回帰モデルのRMSEは、多変量線形回帰よりも小さかった。これは、サポートベクター回帰が複雑なモデルであり、より単純な説明手法で正確に表現できることを示している。
決定木のRMSEは、LIMEのRMSEよりも87%の実験で小さかった。統計的に有意な差があった。
多変量線形回帰のRMSEは、LIMEのRMSEよりも73%の実験で小さかったが、統計的に有意な差はなかった。
局所的な予測精度の比較でも、決定木はLIMEよりも優れた性能を示した。
決定木の優位性は、その非線形関係の捉え能力が高いことに起因する。LIMEは局所的な線形近似を行うため、元のモデルの非線形性を十分に表現できないのに対し、決定木はそれを適切に捉えられる。
Stats
サポートベクター回帰モデルのRMSEは多変量線形回帰のRMSEよりも小さい。
決定木のRMSEは、LIMEのRMSEの87%の実験で小さい。
多変量線形回帰のRMSEは、LIMEのRMSEの73%の実験で小さい。