1) मेरा तर्क है कि निर्णय पेड़ उतने व्याख्यात्मक नहीं हैं जितना लोग उन्हें बताते हैं। वे व्याख्यात्मक दिखते हैं, क्योंकि प्रत्येक नोड एक सरल, द्विआधारी निर्णय है। समस्या यह है कि जैसे ही आप पेड़ के नीचे जाते हैं, प्रत्येक नोड उसके ऊपर प्रत्येक नोड पर सशर्त होता है। यदि आपका पेड़ केवल चार या पाँच स्तर गहरा है, तब भी एक टर्मिनल नोड के पथ (चार या पाँच विभाजन) को किसी व्याख्या में बदलना मुश्किल नहीं है (उदाहरण के लिए) यह नोड दीर्घकालिक ग्राहकों को दर्शाता है जो कई खातों वाले उच्च आय वाले पुरुष हैं। "), लेकिन कई टर्मिनल नोड्स का ट्रैक रखने की कोशिश करना मुश्किल है।
यदि आपको केवल एक ग्राहक को यह समझाना है कि आपका मॉडल व्याख्या करने योग्य है ("देखो, यहाँ के प्रत्येक सर्कल में एक साधारण हाँ / कोई निर्णय नहीं है, समझना आसान है, नहीं?") तो मैं आपकी सूची में निर्णय पेड़ रखूँगा । यदि आप कार्रवाई योग्य व्याख्या चाहते हैं, तो मेरा सुझाव है कि वे कटौती नहीं कर सकते।
2) एक और मुद्दा स्पष्ट कर रहा है कि "परिणामों की व्याख्या" से आपका क्या मतलब है। मैंने चार संदर्भों में व्याख्यायकता में भाग लिया है:
ग्राहक कार्यप्रणाली को समझने में सक्षम है। (ऐसा नहीं है कि आप किस बारे में पूछ रहे हैं।) एक यादृच्छिक वन सादृश्य द्वारा स्पष्ट रूप से स्पष्ट रूप से समझा जा सकता है, और अधिकांश क्लाइंट इसे बस एक बार समझाने के साथ सहज महसूस करते हैं।
यह बताते हुए कि कार्यप्रणाली एक मॉडल को कैसे फिट करती है। (मेरे पास एक ग्राहक था जिसने जोर देकर कहा कि एक निर्णय वृक्ष कैसे लगाया जाता है क्योंकि उन्हें लगा कि इससे उन्हें यह समझने में मदद मिलेगी कि परिणामों को अधिक समझदारी से कैसे उपयोग किया जाए। मैंने बहुत अच्छा लिखने के बाद, बहुत सारे अच्छे चित्र के साथ, उन्होंने विषय को गिरा दिया। यह व्याख्या / समझने में बिल्कुल भी मददगार नहीं है।) फिर, मेरा मानना है कि यह वह नहीं है जिसके बारे में आप पूछ रहे हैं।
एक बार एक मॉडल फिट होने के बाद, भविष्यवक्ताओं के बारे में मॉडल "विश्वास" या "कहता है" की व्याख्या करता है। यहां एक निर्णय वृक्ष व्याख्याय दिखता है, लेकिन पहले छापों की तुलना में कहीं अधिक जटिल है। यहां लॉजिस्टिक रिग्रेशन काफी सीधा है।
जब किसी विशेष डेटा बिंदु को वर्गीकृत किया जाता है, तो यह बताते हुए कि निर्णय क्यों किया गया था। आपके लॉजिस्टिक रिग्रेशन को धोखाधड़ी का 80% मौका क्यों कहा जाता है? आपका निर्णय वृक्ष क्यों कहता है कि यह कम जोखिम वाला है? यदि क्लाइंट टर्मिनल नोड पर जाने वाले निर्णय नोड्स को प्रिंट करने से संतुष्ट है, तो यह निर्णय ट्री के लिए आसान है। यदि "क्यों" को मानव भाषण में संक्षेप में प्रस्तुत करने की आवश्यकता है ("इस व्यक्ति को कम जोखिम का दर्जा दिया गया है क्योंकि वे एक दीर्घकालिक पुरुष ग्राहक हैं, जिनके पास उच्च-आय और हमारी फर्म के साथ कई खाते हैं"), यह बहुत कठिन है।
तो व्याख्यात्मकता या व्याख्यात्मकता के एक स्तर पर (# 1 एक छोटे से # 4, ऊपर) के साथ, K- निकटतम पड़ोसी आसान है: "इस ग्राहक को उच्च जोखिम का अनुमान लगाया गया था क्योंकि 10 में से 8 ग्राहक जो पहले मूल्यांकन किए गए हैं और सबसे अधिक थे एक्स, वाई और जेड के संदर्भ में उनके समान ही उच्च जोखिम वाले पाए गए। " कार्रवाई योग्य, पूर्ण स्तर # 4 पर, यह इतनी व्याख्या योग्य नहीं है। (मैंने वास्तव में अन्य 8 ग्राहकों को उनके सामने पेश करने के बारे में सोचा है, लेकिन इससे उन्हें उन ग्राहकों को मैन्युअल रूप से पता लगाने की आवश्यकता होगी कि उन ग्राहकों के पास सामान्य रूप से क्या है, और इस प्रकार रेटेड ग्राहक के पास क्या है।)
मैंने हाल ही में टाइप -४ के स्वचालित स्पष्टीकरण के साथ आने की कोशिश करने के लिए संवेदनशीलता-विश्लेषण-जैसे तरीकों का उपयोग करने के बारे में कुछ कागजात पढ़े हैं। हालांकि मेरे पास कोई हाथ नहीं है। शायद कोई टिप्पणी में कुछ लिंक फेंक सकता है?
