Buchumschlag

GPT-HTree: A Decision Tree Framework Integrating Hierarchical Clustering and Large Language Models for Explainable Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pei, Te, Alican, Fuat, Yin, Aaron Ontoyin, Ihlamur, Yigit
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

GPTree: Towards Explainable Decision-Making via LLM-powered Decision Trees
von: Xiong, Sichao, et al.
Veröffentlicht: (2024)

LLM-AR: LLM-powered Automated Reasoning Framework
von: Chen, Rick, et al.
Veröffentlicht: (2025)

Policy Induction: Predicting Startup Success via Explainable Memory-Augmented In-Context Learning
von: Mu, Xianling, et al.
Veröffentlicht: (2025)

From Limited Data to Rare-event Prediction: LLM-powered Feature Engineering and Multi-model Learning in Venture Capital
von: Kumar, Mihir, et al.
Veröffentlicht: (2025)

CoFEE: Reasoning Control for LLM-Based Feature Discovery
von: Westermann, Maximilian, et al.
Veröffentlicht: (2026)

From Stochastic Answers to Verifiable Reasoning: Interpretable Decision-Making with LLM-Generated Code
von: Mahesh, Anirudh Jaidev, et al.
Veröffentlicht: (2026)

SSFF: Investigating LLM Predictive Capabilities for Startup Success through a Multi-Agent Framework with Enhanced Explainability and Performance
von: Wang, Xisen, et al.
Veröffentlicht: (2024)

Reasoning-Based AI for Startup Evaluation (R.A.I.S.E.): A Memory-Augmented, Multi-Step Decision Framework
von: Preuveneers, Jack, et al.
Veröffentlicht: (2025)

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

Probabilistic Modeling of Venture Capital Portfolio Outliers
von: Sakamoto, Kensei, et al.
Veröffentlicht: (2026)

Beyond Picking Winners: Correlation-Driven Tail Risk in Venture Capital Portfolio Construction
von: Liang, Yunqi, et al.
Veröffentlicht: (2026)

VCBench: Benchmarking LLMs in Venture Capital
von: Chen, Rick, et al.
Veröffentlicht: (2025)

When Career Data Runs Out: Structured Feature Engineering and Signal Limits for Founder Success Prediction
von: Ihlamur, Yagiz
Veröffentlicht: (2026)

Explainable Artificial Intelligence for Medical Applications: A Review
von: Sun, Qiyang, et al.
Veröffentlicht: (2024)

Hierarchical Text Classification Using Black Box Large Language Models
von: Yoshimura, Kosuke, et al.
Veröffentlicht: (2025)

Semi-supervised Predictive Clustering Trees for (Hierarchical) Multi-label Classification
von: Levatić, Jurica, et al.
Veröffentlicht: (2022)

Hierarchical Causal Abduction: A Foundation Framework for Explainable Model Predictive Control
von: Naagarajan, Ramesh Arvind, et al.
Veröffentlicht: (2026)

EEG-GPT: Exploring Capabilities of Large Language Models for EEG Classification and Interpretation
von: Kim, Jonathan W., et al.
Veröffentlicht: (2024)

Hierarchical Job Classification with Similarity Graph Integration
von: Kabir, Md Ahsanul, et al.
Veröffentlicht: (2025)

Large Language Models Meet Text-Attributed Graphs: A Survey of Integration Frameworks and Applications
von: Su, Guangxin, et al.
Veröffentlicht: (2025)

Utilizing Large Language Models for Machine Learning Explainability
von: Vassiliades, Alexandros, et al.
Veröffentlicht: (2025)

In-Context Clustering with Large Language Models
von: Wang, Ying, et al.
Veröffentlicht: (2025)

Explainable Evidential Clustering
von: de Souza, Victor F. Lopes, et al.
Veröffentlicht: (2025)

LTPNet Integration of Deep Learning and Environmental Decision Support Systems for Renewable Energy Demand Forecasting
von: Li, Te, et al.
Veröffentlicht: (2024)

Expert with Clustering: Hierarchical Online Preference Learning Framework
von: Zhou, Tianyue, et al.
Veröffentlicht: (2024)

A Hierarchical Neural Framework for Classification and its Explanation in Large Unstructured Legal Documents
von: Prasad, Nishchal, et al.
Veröffentlicht: (2023)

A Curriculum-Based Deep Reinforcement Learning Framework for the Electric Vehicle Routing Problem
von: Daysalilar, Mertcan, et al.
Veröffentlicht: (2026)

Developing Driving Strategies Efficiently: A Skill-Based Hierarchical Reinforcement Learning Approach
von: Gurses, Yigit, et al.
Veröffentlicht: (2023)

Fully Explainable Classification Models Using Hyperblocks
von: Snyder, Austin, et al.
Veröffentlicht: (2025)

Estimating Staged Event Tree Models via Hierarchical Clustering on the Simplex
von: Shoaib, Muhammad, et al.
Veröffentlicht: (2026)

A Neural Network Framework for Discovering Closed-form Solutions to Quadratic Programs with Linear Constraints
von: Beylunioglu, Fuat Can, et al.
Veröffentlicht: (2025)

Hierarchical Correlation Clustering and Tree Preserving Embedding
von: Chehreghani, Morteza Haghir, et al.
Veröffentlicht: (2020)

Explaining Kernel Clustering via Decision Trees
von: Fleissner, Maximilian, et al.
Veröffentlicht: (2024)

LinkGPT: Teaching Large Language Models To Predict Missing Links
von: He, Zhongmou, et al.
Veröffentlicht: (2024)

Classification Fields: Arbitrarily Fine Recursive Hierarchical Clustering From Few Examples
von: Li, Yicen, et al.
Veröffentlicht: (2026)

ParBalans: Parallel Multi-Armed Bandits-based Adaptive Large Neighborhood Search
von: Yilmaz, Alican, et al.
Veröffentlicht: (2025)

Multi-Objective Hierarchical Optimization with Large Language Models
von: Schwanke, Andrej, et al.
Veröffentlicht: (2026)

On the Importance of Uncertainty in Decision-Making with Large Language Models
von: Felicioni, Nicolò, et al.
Veröffentlicht: (2024)

AXIS: Explainable Time Series Anomaly Detection with Large Language Models
von: Lan, Tian, et al.
Veröffentlicht: (2025)

ArabianGPT: Native Arabic GPT-based Large Language Model
von: Koubaa, Anis, et al.
Veröffentlicht: (2024)