A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Formal Verification of a Decision-Tree Ensemble Model and Detection of Its Violation Ranges Verificação formal de um modelo de conjunto de árvore de decisão e detecção de seus intervalos de violação

Naoto SATO, Hironobu KURUMA, Yuichiroh NAKAGAWA, Hideto OGAWA

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Como um tipo de modelo de aprendizado de máquina, um “modelo de conjunto de árvore de decisão” (DTEM) é representado por um conjunto de árvores de decisão. Um DTEM é conhecido principalmente por ser válido para dados estruturados; no entanto, como outros modelos de aprendizado de máquina, é difícil treiná-lo para retornar o valor de saída correto (chamado “valor de previsão”) para qualquer valor de entrada (chamado “valor de atributo”). Conseqüentemente, quando um DTEM é usado em relação a um sistema que requer confiabilidade, é importante detectar de forma abrangente os valores dos atributos que levam ao mau funcionamento de um sistema (falhas) durante o desenvolvimento e tomar as contramedidas apropriadas. Uma solução concebível é instalar um filtro de entrada que controle a entrada do DTEM e usar software separado para processar valores de atributos que podem levar a falhas. Para desenvolver o filtro de entrada é necessário especificar a condição de filtragem para o valor do atributo que leva ao mau funcionamento do sistema. Considerando essa necessidade, propomos um método para verificar formalmente um DTEM e, de acordo com o resultado da verificação, se for encontrado um valor de atributo que leva a uma falha, extraindo o intervalo em que tal valor de atributo existe. O método proposto pode extrair de forma abrangente o intervalo em que existe o valor do atributo que leva à falha; portanto, criando um filtro de entrada baseado nessa faixa, é possível evitar a falha. Para demonstrar a viabilidade do método proposto, realizamos um estudo de caso utilizando um conjunto de dados de preços de casas. Através do estudo de caso, também avaliamos sua escalabilidade e mostramos que o número e a profundidade das árvores de decisão são fatores importantes que determinam a aplicabilidade do método proposto.

Publicação
IEICE TRANSACTIONS on Information Vol.E103-D No.2 pp.363-378
Data de publicação
2020/02/01
Publicitada
2019/11/20
ISSN online
1745-1361
DOI
10.1587/transinf.2019EDP7120
Tipo de Manuscrito
PAPER
Categoria
Computação confiável

autores

Naoto SATO
  Hitachi, Ltd.
Hironobu KURUMA
  Hitachi, Ltd.
Yuichiroh NAKAGAWA
  Hitachi, Ltd.
Hideto OGAWA
  Hitachi, Ltd.

Palavra-chave