Un'azienda deve classificare i geni umani in 20 categorie e richiede un algoritmo in cui il processo decisionale interno possa essere documentato e ispezionato. Quale algoritmo di machine learning soddisfa questo requisito?

Gli alberi decisionali sono la scelta migliore perché sono intrinsecamente interpretabili. Il loro processo decisionale è basato su una serie di regole chiare e logiche (nodi e rami), che possono essere facilmente visualizzate e documentate. Questo soddisfa il requisito di poter ispezionare e comprendere come l'algoritmo classifica i geni. La regressione lineare e logistica sono modelli lineari meno adatti per la classificazione multiclasse complessa e offrono una trasparenza limitata nel processo decisionale interno rispetto agli alberi. Le reti neurali, sebbene potenti, sono considerate "black box" a causa della loro complessità e della difficoltà di interpretare i pesi e le attivazioni interne, rendendole inadatte al requisito di documentazione e ispezione del processo decisionale.