Copertina

Forest-ORE: Mining Optimal Rule Ensemble to interpret Random Forest models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Maissae, Haddouchi, Abdelaziz, Berrado
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

A survey and taxonomy of methods interpreting random forest models
di: Haddouchi, Maissae, et al.
Pubblicazione: (2024)

Empirical Likelihood for Random Forests and Ensembles
di: Chiang, Harold D., et al.
Pubblicazione: (2025)

Random Rule Forest (RRF): Interpretable Ensembles of LLM-Generated Questions for Predicting Startup Success
di: Griffin, Ben, et al.
Pubblicazione: (2025)

Adaptive Split Balancing for Optimal Random Forest
di: Zhang, Yuqian, et al.
Pubblicazione: (2024)

On the Robustness of Random Forest Against Untargeted Data Poisoning: An Ensemble-Based Approach
di: Anisetti, Marco, et al.
Pubblicazione: (2022)

Heterogeneous Random Forest
di: Kim, Ye-eun, et al.
Pubblicazione: (2024)

Random Forest Calibration
di: Shaker, Mohammad Hossein, et al.
Pubblicazione: (2025)

Lassoed Forests: Random Forests with Adaptive Lasso Post-selection
di: Shang, Jing, et al.
Pubblicazione: (2025)

Forest-Guided Clustering -- Shedding Light into the Random Forest Black Box
di: Sousa, Lisa Barros de Andrade e, et al.
Pubblicazione: (2025)

Neural Random Forest Imitation
di: Reinders, Christoph, et al.
Pubblicazione: (2019)

Jacobian Aligned Random Forests
di: Rauniyar, Sarwesh
Pubblicazione: (2025)

Random Similarity Isolation Forests
di: Chwilczyński, Sebastian, et al.
Pubblicazione: (2025)

Improving Random Forests by Smoothing
di: Liu, Ziyi, et al.
Pubblicazione: (2025)

Hyperbolic Random Forests
di: Doorenbos, Lars, et al.
Pubblicazione: (2023)

Autoencoding Random Forests
di: Vu, Binh Duc, et al.
Pubblicazione: (2025)

Why do Random Forests Work? Understanding Tree Ensembles as Self-Regularizing Adaptive Smoothers
di: Curth, Alicia, et al.
Pubblicazione: (2024)

Subgroup Analysis via Model-based Rule Forest
di: Cheng, I-Ling, et al.
Pubblicazione: (2024)

Exogenous Randomness Empowering Random Forests
di: Mei, Tianxing, et al.
Pubblicazione: (2024)

Grafting: Making Random Forests Consistent
di: Waltz, Nicholas
Pubblicazione: (2024)

Random Forest-Supervised Manifold Alignment
di: Rhodes, Jake S., et al.
Pubblicazione: (2024)

Open Set Recognition for Random Forest
di: Feng, Guanchao, et al.
Pubblicazione: (2024)

When do Random Forests work?
di: Revelas, C., et al.
Pubblicazione: (2025)

Prediction Error Estimation in Random Forests
di: Krupkin, Ian, et al.
Pubblicazione: (2023)

Random Forests for time-fixed and time-dependent predictors: The DynForest R package
di: Devaux, Anthony, et al.
Pubblicazione: (2023)

Simplifying Random Forests' Probabilistic Forecasts
di: Koster, Nils, et al.
Pubblicazione: (2024)

Ordinal Mixed-Effects Random Forest
di: Bergonzoli, Giulia, et al.
Pubblicazione: (2024)

Global Censored Quantile Random Forest
di: Zhou, Siyu, et al.
Pubblicazione: (2024)

Interpretable Network-assisted Random Forest+
di: Tang, Tiffany M., et al.
Pubblicazione: (2025)

Pure interaction effects unseen by Random Forests
di: Blum, Ricardo, et al.
Pubblicazione: (2024)

Mixed-Curvature Decision Trees and Random Forests
di: Chlenski, Philippe, et al.
Pubblicazione: (2024)

Random Forest-Based Prediction of Stroke Outcome
di: Fernandez-Lozano, Carlos, et al.
Pubblicazione: (2024)

Principled Federated Random Forests for Heterogeneous Data
di: Khellaf, Rémi, et al.
Pubblicazione: (2026)

Random Forest Autoencoders for Guided Representation Learning
di: Aumon, Adrien, et al.
Pubblicazione: (2025)

Explainable Unsupervised Anomaly Detection with Random Forest
di: Harvey, Joshua S., et al.
Pubblicazione: (2025)

Random Forest Weighted Local Fréchet Regression with Random Objects
di: Qiu, Rui, et al.
Pubblicazione: (2022)

Diversity Conscious Refined Random Forest
di: Bhattarai, Sijan, et al.
Pubblicazione: (2025)

QC-Forest: a Classical-Quantum Algorithm to Provably Speedup Retraining of Random Forest
di: Yalovetzky, Romina, et al.
Pubblicazione: (2024)

coverforest: Conformal Predictions with Random Forest in Python
di: Meehinkong, Panisara, et al.
Pubblicazione: (2025)

iBRF: Improved Balanced Random Forest Classifier
di: Newaz, Asif, et al.
Pubblicazione: (2024)

ForeCal: Random Forest-based Calibration for DNNs
di: Nigam, Dhruv
Pubblicazione: (2024)