ЗАСТОСУВАННЯ ДЕРЕВ РІШЕНЬ З НЕЙРОННОЮ ПІДТРИМКОЮ У ЗАДАЧАХ ШТУЧНОГО ІНТЕЛЕКТУ

##plugins.themes.bootstrap3.article.main##

Олександр ПІСКУН
Наталія КРАСНОШЛИК
Данило СВІРЕНКО

Анотація

У статті досліджено гібридні моделі машинного навчання, що поєднують дерева рішень
із нейронними мережами з метою одночасного досягнення високої точності прогнозування та
інтерпретованості рішень. Проаналізовано сучасні архітектури таких моделей: Neural
Decision Trees (NDT), Differentiable Decision Trees, Neural Oblivious Decision Trees (NODE),
TabNet та Neural-Backed Decision Trees (NBDT). Практична реалізація включає побудову
гібридної моделі на датасетах Iris та нобелівських лауреатів з використанням SHAP-аналізу
для інтерпретації отриманих результатів, що підтверджує ефективність та практичну
застосовність описаного підходу.

##plugins.themes.bootstrap3.article.details##

Як цитувати
ПІСКУН, О., КРАСНОШЛИК, Н., & СВІРЕНКО, Д. (2024). ЗАСТОСУВАННЯ ДЕРЕВ РІШЕНЬ З НЕЙРОННОЮ ПІДТРИМКОЮ У ЗАДАЧАХ ШТУЧНОГО ІНТЕЛЕКТУ. Вісник Черкаського університету: Прикладна математика. Інформатика, (1). https://doi.org/10.31651/2076-5886-2024-1-68-79
Розділ
Інформатика
Біографії авторів

Олександр ПІСКУН, Черкаський національний університет імені Богдана Хмельницького

кандидат технічних наук, доцент,
завідувач кафедри прикладної математики
та інформатики, Черкаський національний
університет ім. Б. Хмельницького
e-mail: piskun@ukr.net
ORCID 0000-0001-5334-6337

Наталія КРАСНОШЛИК, Черкаський національний університет імені Богдана Хмельницького

кандидат технічних наук, доцент, доцент
кафедри прикладної математики та
інформатики Черкаського національного
університету імені Богдана
Хмельницького
e-mail: krasnoshlyk@vu.cdu.edu.ua
ORCID 0000-0003-4661-6997

Данило СВІРЕНКО

розробник ПЗ, м. Черкаси

Посилання

Breiman L., Friedman J., Stone C. J., Olshen R. A. (1984) Classification and regression trees. CRC press.

Quinlan J. R. (1986) Induction of decision trees. Machine learning, 1 (1), pp. 81–106.

Goodfellow I., Bengio Y., Courville A. (2016) Deep learning. MIT press.

LeCun Y., Bengio Y., Hinton G. (2015) Deep learning. Nature, 521 (7553), pp. 436–444.

Kontschieder P., Fiterau M., Criminisi A., Rota Bulo S. (2015) Deep neural decision forests. Proceedings

of the IEEE ICCV, pp. 1467–1475.

Zhou Z. H. (2012) Ensemble methods: foundations and algorithms. CRC press.

Irsoy O., Yıldız O. T., Alpaydın E. (2012) Soft decision trees. 21st International Conference on Pattern

Recognition (ICPR), pp. 1819–1822.

Kaddour J., Lynch A., Liu Q., Kusner M. J., Silva R. (2022) When do neural nets outperform boosted trees

on tabular data? arXiv:2305.02997.

Neural-Backed Decision Trees. Available at: https://research.alvinwan.com/neural-backed-decision-trees/

Arik S. Ö., Pfister T. (2021) TabNet: Attentive interpretable tabular learning. Proceedings of the AAAI

Conference on Artificial Intelligence, Vol. 35, No. 8, pp. 6679–6687.

Popov S., Morozov S., Babenko A. (2019) Neural oblivious decision trees for deep learning on tabular data.

arXiv:1909.06312.

Статті цього автора (авторів), які найбільше читають