XGBoostのブラックボックス性に対するルールベース・アプローチに関する研究

• 研究課題/領域番号: 24K15116
• 研究種目: 基盤研究(C)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分61040:ソフトコンピューティング関連
• 研究機関: 明治大学
• 研究代表者: 林 陽一 明治大学, 理工学部, 専任教授 (20189666)
• 研究期間 (年度): 2024-04-01 – 2027-03-31
• 研究課題ステータス: 交付 (2024年度)
• 配分額: 4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円); 2026年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円); 2025年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円); 2024年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
• キーワード: XGBoost / 機械学習 / 説明可能AI / ルール抽出 / ルールベース

研究開始時の研究の概要

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。