A study on rule-based approach to the black box nature of XGBoost

Research Project

Project/Area Number	24K15116
Research Category	Grant-in-Aid for Scientific Research (C)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 61040:Soft computing-related
Research Institution	Meiji University
Principal Investigator	林陽一明治大学, 理工学部, 専任教授 (20189666)
Project Period (FY)	2024-04-01 – 2027-03-31
Project Status	Granted (Fiscal Year 2024)
Budget Amount *help	¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000) Fiscal Year 2026: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000) Fiscal Year 2025: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000) Fiscal Year 2024: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Keywords	XGBoost / 機械学習 / 説明可能AI / ルール抽出 / ルールベース
Outline of Research at the Start	XGBoostの透明化を図るため近年、XGBoostを単一木で近似するXGB-BT(Forest-Based Tree)が単一木を合成する際に情報量が用いられるが、情報量はnominal（代表値）属性が多いと分類精度が低くなることが知られている。XGB-BTの場合はより大きなパラメータ空間を必要とするのでRe-RX grafting familyと比較して100倍以上の時間がかかることを数値実験で実証したい。また、逆にRe-RX grafting familyは時間的に遜色のない程度の速度でnominal属性を多数含むXGBoostを実行できる事を占めす。