计算机应用研究

作者：李扬,廖梦洁,张健,

单位：1.北京信息科技大学经济管理学院,北京100192；2.绿色发展大数据决策北京市重点实验室,北京100192；

关键词：随机森林,可解释增强,集成剪枝,规则提取,多目标优化算法,

基金：国家重点研发计划课题(2021YFC3340501)；；

随机森林模型是广泛应用于各个领域的经典黑盒模型，而黑盒模型的结构特征导致模型可解释性弱，需要借助可解释技术优化随机森林的可解释性，从而促进其在可靠性要求较高场景的应用与发展。研究构建了基于集成剪枝和多目标优化算法的规则提取模型，集成剪枝在解决树模型规则提取易陷入局部最优的问题上具有代表性，多目标优化在解决规则准确性和可解释性的平衡问题上有多个领域的应用。模型验证结果表明，所构建模型能够在不降低准确性的前提下优化模型的可解释性。本研究首次将集成剪枝技术与多目标优化算法相融合，增强了随机森林的可解释性，有助于推动该模型在可解释性要求较高领域的决策应用。

来源：2024年第10期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第10期