Digitalni repozitorij raziskovalnih organizacij Slovenije

Izpis gradiva
A+ | A- | Pomoč | SLO | ENG

Naslov:Variational oblique predictive clustering trees
Avtorji:ID Andonovikj, Viktor, Institut "Jožef Stefan" (Avtor)
ID Džeroski, Sašo, Institut "Jožef Stefan" (Avtor)
ID Boshkoska, Biljana Mileva, Institut "Jožef Stefan" (Avtor)
ID Boškoski, Pavle, Institut "Jožef Stefan" (Avtor)
Datoteke:URL URL - Izvorni URL, za dostop obiščite https://www.sciencedirect.com/science/article/pii/S0957417426001685
 
.pdf PDF - Predstavitvena datoteka, prenos (2,20 MB)
MD5: B7052A9221ABA62354203C8B8EAD7BE2
 
Jezik:Angleški jezik
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:Logo IJS - Institut Jožef Stefan
Povzetek:Oblique predictive clustering trees (SPYCTs) are semi-supervised multi-target prediction models mainly used for structured output prediction (SOP) problems. They are computationally efficient and when combined in ensembles they achieve state-of-the-art results. However, one major issue is that it is challenging to interpret an ensemble of SPYCTs without the use of a model-agnostic method. We propose variational oblique predictive clustering trees, which address this challenge. The parameters of each split node are treated as random variables, described with a probability distribution, and they are learned through the Variational Bayes method. We evaluate the model on several benchmark datasets of different sizes. The experimental analyses show that a single variational oblique predictive clustering tree (VSPYCT) achieves competitive, and sometimes better predictive performance than the ensemble of standard SPYCTs. We also present a method for extracting feature importance scores from the model. Finally, we present a method to visually interpret the model’s decision making process through analysis of the relative feature importance in each split node.
Ključne besede:machine learning, predictive clustering, interpretable models, structured output prediction, uncertainty quantification
Status publikacije:Objavljeno
Verzija publikacije:Objavljena publikacija
Poslano v recenzijo:29.04.2025
Datum sprejetja članka:15.01.2026
Datum objave:22.01.2026
Založnik:Elsevier
Leto izida:2026
Št. strani:str. 1-31
Številčenje:Vol. [article no.] 131255
Izvor:Nizozemska
PID:20.500.12556/DiRROS-27644 Novo okno
UDK:004.8
ISSN pri članku:1873-6793
DOI:10.1016/j.eswa.2026.131255 Novo okno
COBISS.SI-ID:266512899 Novo okno
Avtorske pravice:© 2026 The Author(s).
Opomba:Nasl. z nasl. zaslona; Soavtorji: Sašo Džeroski, Biljana Mileva Boshkoska, Pavle Boškoski; Opis vira z dne 28. 1. 2026;
Datum objave v DiRROS:17.02.2026
Število ogledov:200
Število prenosov:62
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
  
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:Expert systems with applications
Založnik:Elsevier
ISSN:1873-6793
COBISS.SI-ID:23001861 Novo okno

Gradivo je financirano iz projekta

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:P2-0001-2022
Naslov:Sistemi in vodenje

Financer:ARIS - Javna agencija za znanstvenoraziskovalno in inovacijsko dejavnost Republike Slovenije
Številka projekta:V5-24020-2024
Naslov:Analiza pomanjkanja kadrov za potrebe slovenskega gospodarstva in družbe: Kadri za visoko-produktivno, inovativno gospodarstvo in dvojni prehod v digitalno iz zeleno družbo

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.
Začetek licenciranja:22.01.2026
Vezano na:VoR

Sekundarni jezik

Jezik:Slovenski jezik
Ključne besede:napovedno gručenje, razložljivi modeli, napovedovanje strukturiranih izhodov, kvantifikacija negotovosti


Nazaj