[논문] Extracting decision tree from neural network

다중공선성에 견고한 결정트리를 연구하면서 참고한 논문이다.

ID3 계열의 결정트리 알고리즘들은 다중공선성에 견고하지 못한 문제가 있다.
반면, 신경망 알고리즘은 다중공선성에 영향을 받지 않는 유연함의 장점을 갖고 있다.

결정트리는 모델을 이해하기 쉽고 의사결정에 적용하기 쉬운 장점을 갖는다.
반면, 신경망은 일반적으로 결정트리 보다 높은 성능(예측/분류 정확도)의 장점을 갖는다.
본 논문에서는 이 두 장점을 모두 취하는 것을 목표로 한다. 

본 논문의 아이디어는
신경망 모델을 학습한 후 그 모델로 부터 결정트리를 생성해내는 방법에 대한 연구이다.
신경망 모델로 부터 생성된 결정트리 모델은
기존의 결정트리보다 다중공선성 등의 데이터 특성에 견고한 장점을 갖는다고 주장한다.

invalid-file