# CART-ELC: Oblique Decision Tree Induction via Exhaustive Search

### 저자

Andrew D. Laack

### 개요

본 논문은 기존의 축정렬 결정 트리보다 향상된 분류 성능을 제공할 수 있는 비축정렬 결정 트리에 대한 연구를 다룹니다.  비축정렬 분할을 찾기 위한 완전 탐색 기반 방법들의 계산 비용 문제를 해결하고자, 제한된 초평면 집합에 대한 완전 탐색을 수행하는 새로운 알고리즘인 CART-ELC (Classification and Regression Tree - Exhaustive Linear Combinations)를 제시합니다.  CART-ELC 알고리즘의 계산 복잡도와 예측 성능을 분석하고, 소규모 데이터셋에서 기존 결정 트리 유도 알고리즘에 비해 경쟁력 있는 성능을 달성하며, 통계적으로 유의미한 분류 정확도 향상과 더 얕고 단순하며 해석 가능한 트리를 생성함을 보여줍니다.

### 시사점, 한계점

- **시사점:**

    - 소규모 데이터셋에서 기존 알고리즘보다 향상된 분류 정확도를 달성합니다.

    - 더 얕고 단순하며 해석 가능한 결정 트리를 생성합니다.

    - 비축정렬 결정 트리의 효율적인 학습을 위한 새로운 알고리즘을 제시합니다.

- **한계점:**

    - 알고리즘의 성능은 소규모 데이터셋에 국한되어 있으며, 대규모 데이터셋에 대한 성능은 추가적인 연구가 필요합니다.

    - 완전 탐색 기반이므로 계산 복잡도가 여전히 제한적일 수 있습니다.  제한된 초평면 집합에 대한 탐색이라는 점에서, 최적의 초평면을 항상 찾는다는 보장이 없습니다.

[PDF 보기](https://arxiv.org/pdf/2505.05402)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).