RuleFit

Basic

RuleFit | Aturan + model linear dengan L1

Dibuat: Pembaruan terakhir: Waktu baca: 2 menit
まとめ
  • RuleFit mengekstrak aturan if-then dari ansambel pohon, mempertahankan fitur numerik asli, lalu melatih semuanya dengan regresi linear yang diberi regularisasi L1.
  • Aturan menangkap interaksi serta ambang batas, sedangkan istilah linear menjaga tren global sehingga model tetap presisi namun mudah dijelaskan.
  • Sesuaikan max_rules, kedalaman/jumlah pohon, dan parameter boosting bila digunakan; gunakan validasi silang untuk mengendalikan overfitting.
  • Visualisasikan aturan teratas dan terjemahkan ke bahasa bisnis sebelum dibagikan ke pemangku kepentingan.

1. Ide (dengan rumus) #

  1. Ekstrak aturan: setiap jalur menuju daun menjadi (r_j(x) \in {0,1}).
  2. Tambahkan istilah linear ter-skala (z_k(x)).
  3. Regresi linear dengan L1:

$$ \hat{y}(x) = \beta_0 + \sum_j \beta_j r_j(x) + \sum_k \gamma_k z_k(x) $$

Regularisasi L1 membuat model jarang (sparse) dan menyorot aturan penting.

2. Dataset (OpenML: house_sales) #

Data harga rumah King County (OpenML data_id=42092). Hanya kolom numerik yang dipakai.

import japanize_matplotlib
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from sklearn.datasets import fetch_openml
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score

dataset = fetch_openml(data_id=42092, as_frame=True)
X = dataset.data.select_dtypes("number").copy()
y = dataset.target.astype(float)

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42
)

3. Melatih RuleFit #

Implementasi Python: christophM/rulefit

from rulefit import RuleFit
import warnings
warnings.simplefilter("ignore")

rf = RuleFit(max_rules=200, tree_random_state=27)
rf.fit(X_train.values, y_train.values, feature_names=list(X_train.columns))

pred_tr = rf.predict(X_train.values)
pred_te = rf.predict(X_test.values)

def report(y_true, y_pred, name):
    rmse = mean_squared_error(y_true, y_pred, squared=False)
    mae  = mean_absolute_error(y_true, y_pred)
    r2   = r2_score(y_true, y_pred)
    print(f"{name:8s}  RMSE={rmse:,.0f}  MAE={mae:,.0f}  R2={r2:.3f}")

report(y_train, pred_tr, "Train")
report(y_test,  pred_te, "Test")

4. Meninjau aturan penting #

rules = rf.get_rules()
rules = rules[rules.coef != 0].sort_values(by="importance", ascending=False)
rules.head(10)
  • rule: kondisi if-then (type=linear berarti istilah linear)
  • coef: koefisien regresi (satuan sama dengan target)
  • support: proporsi sampel yang memenuhi aturan
  • importance: skor gabungan berdasarkan koefisien dan support

5. Validasi dengan visualisasi #

plt.figure(figsize=(6, 5))
plt.scatter(X_train["sqft_above"], y_train, s=10, alpha=0.5)
plt.xlabel("sqft_above")
plt.ylabel("price")
plt.title("Hubungan sqft_above dan price")
plt.grid(alpha=0.3)
plt.show()

rule_mask = X["sqft_living"].le(3935.0) & X["lat"].le(47.5315)

applicable_data = np.log(y[rule_mask])
not_applicable  = np.log(y[~rule_mask])

plt.figure(figsize=(8, 5))
plt.boxplot([applicable_data, not_applicable],
            labels=["Aturan terpenuhi", "Aturan tidak terpenuhi"])
plt.ylabel("log(price)")
plt.title("Distribusi harga berdasarkan aturan")
plt.grid(alpha=0.3)
plt.show()

6. Tips praktis #

  • Tangani outlier (Winsorize, clipping) untuk membuat aturan stabil.
  • Bersihkan kategori langka sebelum encoding satu-panas.
  • Transformasi target yang sangat miring (misal log(y)).
  • Batasi jumlah/kedalaman aturan agar mudah dibaca; tetapkan batas via validasi silang.
  • Rangkum aturan teratas dalam bahasa bisnis untuk laporan ringkas.

7. Referensi #

  • Friedman, J. H., & Popescu, B. E. (2008). Predictive Learning via Rule Ensembles. The Annals of Applied Statistics, 2(3), 916–954.
  • Christoph Molnar. (2020). Interpretable Machine Learning. https://christophm.github.io/interpretable-ml-book/rulefit.html