從羅生門理論到 PRAXIS：高效決策樹羅生門集合

研究論文『From Rashomon Theory to PRAXIS: Efficient Decision Tree Rashomon Sets』在 arXiv 上發布，探討了 Rashomon 集合在機器學習中的應用。Rashomon 集合指的是給定訓練數據和目標函數下，多個近優模型的集合，它們提供了不確定性感知和穩健決策的機會，允許用戶融入難以直接在目標中指定的領域知識和偏好。然而，計算這些集合，尤其是對於如稀疏決策樹這樣的可解釋模型類別，仍然面臨巨大的計算資源挑戰。為此，研究者提出 PRAXIS 算法，這是一種近似算法，能在運行時間和記憶體使用上帶來數量級的改善。實驗驗證表明，PRAXIS 能夠常規恢復幾乎所有完整的 Rashomon 集合。這項研究使得 Rashomon 集合的建模在真實世界數據集上變得可擴展，為實踐應用提供了新工具。相關代碼已在 GitHub 上以開源形式發布，促進了進一步的研究和應用。