Firma musi sklasyfikować ludzkie geny do 20 kategorii i wymaga algorytmu, w którym wewnętrzny proces decyzyjny może być udokumentowany i sprawdzony. Który algorytm uczenia maszynowego spełnia ten wymóg?

Drzewa decyzyjne są odpowiednie, ponieważ ich wewnętrzny proces decyzyjny jest łatwo interpretowalny i możliwy do udokumentowania. Każdy węzeł w drzewie reprezentuje test na atrybucie, a każda gałąź wynik testu, co pozwala na transparentne śledzenie ścieżki decyzji prowadzącej do klasyfikacji. To spełnia wymóg sprawdzalności. Regresja liniowa i logistyczna są modelami liniowymi, które nie oferują takiej transparentności procesu decyzyjnego, a regresja logistyczna jest przeznaczona głównie do klasyfikacji binarnej lub wieloklasowej, ale bez łatwej interpretacji ścieżki. Sieci neuronowe, choć potężne w klasyfikacji wieloklasowej, są modelami typu "czarna skrzynka", co oznacza, że ich wewnętrzne mechanizmy decyzyjne są trudne do zrozumienia i udokumentowania.