Extraction of interpretable decision rules from black-box models for classification tasks

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: İngilizce

Öğrenci: EGEMEN BERK GALATALI

Danışman: HANDE ALEMDAR

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

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.