Extraction of interpretable decision rules from black-box models for classification tasks
Kategorilendirme amaçlı kapalı kutu modellerden açıklanabilir kural setleri çıkarımı
- Tez No: 763902
- Danışmanlar: DOÇ. DR. HANDE ALEMDAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Bu çalışmamızda, kategorilendirme üzerine çalışan kapalı-kutu modeller için açıklanabilirlik metodu geliştirdik ve sizlere sunuyoruz. Modeli açıklamaya yönelik üretmiş olduğumuz kural setleri hem insan hem de makina tarafından okunabilir formattadır. Geliştirdiğimiz metod içerisinde Shapley değerlerinden faydalandık ve bu değerlerin önemli gördüğü aralıkları kendi kural setimizi çıkarmakta yardımcı oldular. Dört farklı makine öğrenmesi metodunu üç farklı veri seti üzerinde ve bir derin öğrenme metodunu finansal veri seti üzerinde test ettiğimizde, ümit verici sonuçlar elde ettik. Çıkarım yaptığımız kural setleri ile orijinal model arasinda %90 civarlarında benzerlik gözlemledik.
Özet (Çeviri)
In this work, we have proposed a new method and ready to use workflow to extract simplified rule sets for a given Machine Learning (ML) model trained on a classification task. Those rules are both human readable and in the form of software code pieces thanks to the syntax of Python programming language. We have inspired from the power of Shapley Values as our source of truth to select most prominent features for our rule sets. The aim of this work to select the key interval points in given data in order to extract if-then rule sets representing the black box models. We are able to generate rules that can mimic four different ML models on three datasets and one Deep Learning model on stock price dataset. We have evaluated promising similarity scores (around 90%) between the extracted rules and the ML models.
Benzer Tezler
- Makine öğrenmesi yaklaşımı ile banka müşterilerinin kredi riski tahmini ve kural çıkarımı
Bank customers' credit risk estimation and rule extraction with the machine learning approach
HİLAL MEYDAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MERT BAL
- Machine learning analysis of biofuels using published data
Yayınlanmış veriler ile biyoyakıtların makine öğrenimi analizi
AHMET COŞGUN
Doktora
İngilizce
2024
Kimya MühendisliğiBoğaziçi ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. RAMAZAN YILDIRIM
- Knowledge extraction from published papers in literature for the catalytic methanol production from synthesis gas using data mining tools
Veri madenciliği araçları kullanılarak literatürde yayınlanan makalelerden sentez gazından katalitik metanol üretimi konusunda bilgi çıkarımı
DENNIS MOSKOV
Yüksek Lisans
İngilizce
2016
Kimya MühendisliğiBoğaziçi ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. RAMAZAN YILDIRIM
YRD. DOÇ. MUSTAFA GÖKÇE BAYDOĞAN
- Extracting explicit relational information from a new relational reasoning testbed with a learning agent
Yeni bir ilişkisel akıl yürütme test ortamından belirgin ilişkisel bilgileri bir öğrenme ajanı ile çıkarmak
FARUK KÜÇÜKSUBAŞI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiModelleme ve Simülasyon Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ELİF SÜRER
- Lojistik araç organizasyonunda yük faktörünün iyileştirilmesi için yapay zekâ temelli bir karar destek sistemi önerisi
An artificial intelligence based decision support system proposal for improving load factor in logistic vehicle organisation
RAZİYE KILIÇ SARIGÜL
Doktora
Türkçe
2025
Endüstri ve Endüstri MühendisliğiAtatürk ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK ERKAYMAN
DR. ÖĞR. ÜYESİ BİLAL USANMAZ