Random Forest の電路表現と XAI への応用

arXiv:2602.08362v1 Announce Type: cross 要約：本稿では 3 つの貢献を提示します。まず、ランダムフォレスト分類器を、分類器の各クラスでインスタンスを直接エンコードする一連の電路にコンパイルするアプローチを提案します。我々のアプローチが既存の類似アプローチと比較して大幅に効率的であることを経験的に示します。次に、このアプローチを用いて、決定の完全かつ一般的な理由を計算する際に基本的な役割を果たすインスタンスの抽象化である電路を引き続き得ます。さらに、決定の強固性と、それらを入れ替えるために必要なすべての最短経路を計算するアルゴリズムを提案します。我々の貢献の有用性を、決定のすべての充分理由、必要理由、および対比説明を列挙すること、決定の強固性を計算すること、そして幅広いデータセットから学習されたランダムフォレスト分類器によって作成された決定を入れ替えるために必要なすべての最短経路を特定することに用いて説明します。

arXiv:2602.08362v1 Announce Type: cross Abstract: We make three contributions in this paper. First, we present an approach for compiling a random forest classifier into a set of circuits, where each circuit directly encodes the instances in some class of the classifier. We show empirically that our proposed approach is significantly more efficient than existing similar approaches. Next, we utilize this approach to further obtain circuits that are tractable for computing the complete and general reasons of a decision, which are instance abstractions that play a fundamental role in computing explanations. Finally, we propose algorithms for computing the robustness of a decision and all shortest ways to flip it. We illustrate the utility of our contributions by using them to enumerate all sufficient reasons, necessary reasons and contrastive explanations of decisions; to compute the robustness of decisions; and to identify all shortest ways to flip the decisions made by random forest classifiers learned from a wide range of datasets.