본 논문은 설명 가능한 AI 시대에 맞춰 해석 용이성을 높인 단일 트리 기반 분류 프레임워크인 동시 잠재 예산 트리 (SLBT)를 소개합니다. SLBT는 시간, 공간, 인구 통계 등 층화 요인을 고려하여 조건부 분할 규칙을 최적화합니다.
자녀 노드는 동시 잠재 예산 모델의 잠재 구성 요소로 해석되며, 혼합 파라미터는 각 그룹의 자녀 노드로 관찰을 구동하고, 잠재 예산 파라미터는 제어 변수 수준의 응답 클래스 프로필을 업데이트합니다.
최소 제곱법으로 파라미터를 추정하며, 신경망 관점에서 모델을 해석합니다. 시각적 가지치기 및 의사 결정 트리 선택 절차를 포함하여 노드 및 경로에 대한 해석 지원과 함께 정보적인 트리 구조를 대화형으로 시각화할 수 있습니다.
불균형한 응답 클래스 분포를 처리하기 위한 적절한 측정 기준을 제안하며, 근위축성 측량 신경염 (ALS)의 성별 관련 진행 차이를 조사하기 위해 SLBT를 적용했습니다.