🤖 machine learning

Backward Compatibility in Tree-Based Explanations and Enhanced CART Algorithm

Este artículo introduce la métrica de Pérdida de Compatibilidad Hacia Atrás en Explicaciones Basadas en Árboles (BCLTX) y un algoritmo ligero correspondiente, CART-BCTX, para asegurar que las actualizaciones de los modelos de árboles de decisión mantengan explicaciones estructurales consistentes mientras preservan la precisión de la predicción y la eficiencia computacional.

Autores originales: Hirofumi Suzuki

Publicado 2026-08-11

📖 7 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Hirofumi Suzuki

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un detective resolviendo un misterio. Tienes un cuaderno lleno de pistas y un conjunto de reglas que has escrito para descubrir quién es el culpable. Estas reglas son como un mapa: "Si el sospechoso fue visto cerca de la panadería, revisa la coartada; si estaba en el parque, revisa el clima". Así es como funciona un Árbol de Decisión en el mundo de las computadoras. Es una herramienta popular para tomar decisiones porque es muy transparente; puedes mirar el árbol y ver exactamente por qué tomó una decisión. Es como un diagrama de flujo que cualquiera puede leer.

Pero aquí está la parte difícil: el mundo cambia. Aparecen nuevas pistas, las antiguas se vuelven difusas y, a veces, el culpable cambia sus hábitos. Así que el detective tiene que actualizar su cuaderno con nuevas reglas. Esto se llama Actualización del Modelo. El problema es que, si simplemente tiras el cuaderno viejo y escribes uno nuevo desde cero, las reglas podrían cambiar por completo. De repente, el sospechoso que antes era exonerado porque estaba en la panadería ahora es el principal sospechoso porque las nuevas reglas dicen "revisar la panadería primero". Esto confunde a las personas que dependen del detective. Ellos confiaron en la lógica anterior, y ahora la nueva lógica se siente como una traición. Este es el problema de la Compatibilidad Hacia Atrás: asegurar que cuando actualizas tu sistema, no rompas la confianza o la lógica en la que los usuarios ya han llegado a confiar.

El acertijo de las reglas cambiantes

En el artículo "Backward Compatibility in Tree-Based Explanations and Enhanced CART Algorithm", Hirofumi Suzuki aborda precisamente este dolor de cabeza. El autor plantea una pregunta simple pero vital: Cuando actualizamos un árbol de decisión con nuevos datos, ¿cómo podemos asegurarnos de que las razones que da para sus decisiones no cambien drásticamente?

Piensa en un árbol de decisión como un juego de "20 Preguntas". El árbol hace preguntas como "¿Es el número mayor que 5?" para reducir las opciones. La "explicación" es el camino específico de preguntas que el árbol tomó para llegar a la respuesta. Si actualizas el árbol, podrías cambiar las preguntas por completo. Tal vez el nuevo árbol pregunte: "¿Es el número par?". Para la computadora, ambas pueden ser correctas, pero para un humano que intenta entender la lógica, el cambio es desconcertante.

El artículo argumenta que simplemente actualizar un árbol para que sea más preciso no es suficiente. Si el nuevo árbol ofrece una "historia" diferente sobre por qué tomó una elección, puede ser peligroso, especialmente en campos de alto riesgo como la salud o las finanzas, donde las personas necesitan confiar en la lógica. El autor sugiere que necesitamos una forma de medir cuánto cambia la "historia" y luego construir un nuevo árbol que mantenga la historia mayormente igual, incluso mientras aprende cosas nuevas.

La nueva herramienta: Una tarjeta de puntuación de "Compatibilidad"

Para resolver esto, el autor inventa una vara de medir llamada BCLTX (Backward Compatibility Loss in Tree-based eXplanations). Imagina que tienes dos mapas de la misma ciudad: el viejo y el nuevo. BCLTX es una puntuación que te dice qué tan diferentes son las calles entre los dos mapas.

El artículo propone cuatro formas diferentes de calcular esta puntuación, pero todas se reducen a revisar dos cosas:

¿Qué características importan? ¿El nuevo árbol empezó a prestar atención a pistas diferentes (como cambiar de "panadería" a "parque")?
¿Qué tan amplias son las reglas? ¿Cambiaron los límites de las reglas? (Por ejemplo, ¿la regla cambió de "panaderías a menos de 1 milla" a "panaderías a menos de 5 millas"?)

El autor llama a esto una "métrica de pérdida", que es solo una forma elegante de decir "una puntuación de cuánto arruinamos la lógica anterior". El objetivo es mantener esta puntuación lo más baja posible.

La solución: CART-BCTX

El artículo presenta entonces un nuevo algoritmo llamado CART-BCTX. Si sabes cómo aprenden las computadoras, es posible que conozcas CART (Classification and Regression Trees), que es el método estándar y de referencia para construir estos árboles de decisión. Es como la receta estándar para hornear un pastel.

CART-BCTX es como una versión "supercargada" de esa receta. Es el mismo pastel, pero el panadero (el algoritmo) tiene una nueva regla: "Mientras estás horneando, asegúrate de no cambiar demasiado la forma del pastel en comparación con el anterior".

El algoritmo funciona analizando cada división posible en el árbol y preguntando: "Si hago este corte, ¿ayudará a predecir mejor, pero también mantendrá la explicación similar al árbol anterior?". Equilibra estos dos objetivos usando un control llamado $\lambda$ (lambda).

Si giras el control hacia cero, actúa como el CART normal, ignorando el árbol anterior por completo.
Si subes el control, se vuelve muy obstinado en mantener la lógica antigua, incluso si eso significa que las nuevas predicciones no son tan perfectas.

El autor probó esto en 10 conjuntos de datos del mundo real, que van desde clasificar correos electrónicos como spam hasta predecir cuánto vino hay en una botella. Los resultados fueron prometedores. El artículo sugiere que CART-BCTX puede encontrar un "punto ideal" donde el árbol mejora en sus predicciones sin reescribir completamente su propia historia.

Lo que el artículo dice (y lo que no dice)

Los experimentos muestran que este nuevo método funciona bien. Específicamente, el artículo encuentra que:

Es rápido: El nuevo algoritmo tarda aproximadamente la misma cantidad de tiempo en ejecutarse que el CART estándar. No lo ralentiza significativamente, incluso con la matemática adicional.
Mantiene la historia consistente: Al usar la nueva "métrica de pérdida", las explicaciones (los caminos a través del árbol) se mantienen mucho más estables que si simplemente se actualizara el árbol normalmente.
También ayuda a las predicciones: Curiosamente, al mantener las explicaciones estables, el nuevo árbol también tiende a mantener sus predicciones estables para las cosas que acertaba antes. Este es un efecto secundario positivo.

El artículo también compara este método con los Árboles de Decisión Incrementales (como VFDT y HAT), que están diseñados para aprender de un dato a la vez, como un flujo de información. Los resultados sugieren que, si bien estos árboles de flujo son buenos para manejar nuevos datos a medida que llegan, no necesariamente mantienen la "historia" consistente a largo plazo cuando se observa mediante lotes de datos. CART-BCTX parece hacer un mejor trabajo manteniendo esa compatibilidad hacia atrás cuando actualizas el modelo completo a la vez.

Sin embargo, el autor tiene cuidado de no afirmar que esto es una solución mágica. El artículo señala que encontrar el árbol perfecto es matemáticamente imposible de hacer rápidamente, por lo que este método utiliza un enfoque "codicioso" (tomando la mejor decisión local en cada paso). También admite que no han probado completamente cómo funciona esto cuando el mundo cambia drásticamente (deriva de conceptos o concept drift) o cómo reaccionan realmente los humanos ante estos cambios en un estudio de usuario.

La conclusión

En resumen, este artículo ofrece una forma práctica de actualizar los "mapas de lógica" que las computadoras utilizan, asegurando que cuando el mapa cambie, los puntos de referencia no desaparezcan. Sugiere que, al añadir una simple "verificación de compatibilidad" al proceso estándar de construcción de árboles, podemos actualizar nuestros modelos de IA sin confundir a las personas que dependen de ellos. Es un paso hacia lograr que las actualizaciones de la inteligencia artificial se sientan menos como una sorpresa y más como una evolución natural.

Resumen Técnico: Compatibilidad Hacia Atrás en Explicaciones Basadas en Árboles y el Algoritmo CART Mejorado

1. Planteamiento del Problema

En el ciclo de vida operativo de los sistemas de aprendizaje automático, las actualizaciones de los modelos son necesarias para mantener el rendimiento a medida que las distribuciones de los datos cambian. Sin embargo, las actualizaciones estándar de los modelos suelen alterar significativamente el comportamiento del modelo, lo que puede interrumpir la toma de decisiones descendente y erosionar la confianza del usuario. Este problema es particularmente crítico en dominios sensibles al riesgo (p. ej., salud, finanzas) donde se emplea la IA Explicable (XAI).

Si bien la investigación existente sobre la compatibilidad hacia atrás (cuantificar la estabilidad del comportamiento del modelo a través de las actualizaciones) se ha centrado en la consistencia de la predicción o en las contribuciones de características basadas en SHAP, estos enfoques no logran abordar las explicaciones basadas en árboles. Los árboles de decisión proporcionan transparencia mediante reglas de si-entonces-sino derivadas de intervalos de características. Cuando un árbol de decisión se reentrena con nuevos datos, los puntos de división y los subespacios de características resultantes (explicaciones) pueden cambiar drásticamente, incluso si la precisión predictiva mejora. Esta falta de compatibilidad hacia atrás en las explicaciones puede confundir a los usuarios que dependen de reglas lógicas consistentes para el soporte de decisiones. Los métodos actuales no pueden optimizar eficazmente la estabilidad de estas explicaciones estructuradas en árboles.

2. Metodología

2.1 Métrica Propuesta: BCLTX

El autor propone la Pérdida de Compatibilidad Hacia Atrás en Explicaciones Basadas en Árboles (BCLTX), una métrica de pérdida diseñada para cuantificar la divergencia entre las explicaciones de un árbol de decisión antiguo ( $T_1$ ) y un nuevo árbol de decisión ( $T_2$ ) para muestras donde el modelo antiguo fue correcto.

Una explicación de un árbol de decisión para una entrada $\mathbf{x}$ se define como una conjunción de intervalos para características específicas, representados por vectores de límites inferior ( $l$ ) y superior ( $u$ ). BCLTX mide la diferencia entre $T_1$ y $T_2$ utilizando cuatro variantes:

$\delta_{JAC}$ (basada en Jaccard): Mide la diferencia simétrica en el conjunto de características que contribuyen a la explicación (donde los límites son finitos).
$\delta_{JLU}$ (Jaccard Inferior/Superior): Mide por separado la diferencia simétrica en las características que contribuyen a los límites inferiores y superiores.
$\delta_{MAE}$ (Error Absoluto Medio): Cuantifica la diferencia en los intervalos de las características utilizando el error absoluto, normalizado por la desviación estándar de la característica y acotado por los rangos de los datos.
$\delta_{MSE}$ (Error Cuadrático Medio): Cuantifica las diferencias de los intervalos utilizando el error cuadrático, de manera similar normalizado.

2.2 Algoritmo: CART-BCTX

Para optimizar BCLTX, el autor propone CART con Compatibilidad Hacia Atrás en Explicaciones Basadas en Árboles (CART-BCTX). Este es un algoritmo voraz (greedy) ligero que extiende el algoritmo CART estándar.

Función Objetivo: El algoritmo minimiza una función objetivo combinada:
$f(T_1, T_2, D_2, \lambda) = \frac{1}{|D_2|} \sum \ell(T_2(\mathbf{x}), y) + \frac{\lambda}{|D_s|} \sum \delta(T_1, T_2, \mathbf{x})$
Donde $\ell$ es la pérdida específica de la tarea (p. ej., pérdida 0-1 o error cuadrático), $D_s$ es el conjunto de muestras predichas correctamente por el modelo antiguo $T_1$ , y $\delta$ es la variante elegida de BCLTX, y $\lambda$ controla el compromiso entre el rendimiento predictivo y la estabilidad de la explicación.
Selección de División Voraz (Greedy Split Selection): Durante el crecimiento del árbol, CART-BCTX mantiene los límites actuales del subespacio de características ( $\hat{l}, \hat{u}$ ) para cada nodo. Al evaluar las divisiones candidatas, calcula una "ganancia" tanto para la pérdida de la tarea ( $Gain_\ell$ ) como para la pérdida de compatibilidad hacia atrás ( $Gain_\delta$ ). Se selecciona la división que maximiza la suma ponderada de estas ganancias.
- Para $\delta_{JAC}$ y $\delta_{JLU}$ , el cálculo de la ganancia es constante con respecto a la elección del punto de división para una característica dada.
- Para $\delta_{MAE}$ y $\delta_{MSE}$ , el algoritmo calcula eficientamente los cambios de ganancia utilizando árboles binarios de búsqueda autoequilibrados (para MAE) o actualizaciones de suma simple (para MSE) a medida que se particionan las muestras.
Complejidad: La complejidad computacional de CART-BCTX es comparable a la de CART estándar. Es $O(n m d_2)$ para las variantes Jaccard, JLU y MSE (donde $n$ es el número de muestras, $m$ es el número de características, $d_2$ es la profundidad del árbol) y $O(n m d_2 \log n)$ para la variante MAE.
Poda: El autor extiende la Poda de Complejidad de Costo (CCP) para manejar BCLTX incorporando la función de pérdida combinada en el criterio de poda, permitiendo la eliminación de subárboles que no mejoran suficientemente el compromiso.

3. Contribuciones Clave

Definición de BCLTX: El artículo introduce las primeras métricas de compatibilidad hacia atrás diseñadas específicamente para explicaciones basadas en árboles, capturando diferencias en conjuntos de características y límites de intervalos.
Algoritmo CART-BCTX: Un algoritmo de actualización eficiente y voraz que integra BCLTX en el marco estándar de CART sin sacrificar la escalabilidad.
Análisis Teórico: Demostración de que el algoritmo mantiene una complejidad computacional comparable a la de CART estándar, con un aumento de, a lo sumo, un factor logarítmico para variantes de pérdida específicas.
Validación Empírica: Experimentos exhaustivos en 10 conjuntos de datos del mundo real (5 de clasificación, 5 de regresión) que demuestran la eficacia del algoritmo.

4. Resultados Experimentales

Los experimentos se realizaron en 10 conjuntos de datos de los repositorios UCI y KEEL, comparando CART-BCTX contra las actualizaciones de CART estándar y los árboles incrementales (VFDT y HAT).

Compromiso Predicción-BCLTX: CART-BCTX logra un compromiso favorable entre el rendimiento predictivo (tasa de error/RMSE) y los valores de BCLTX. A medida que el parámetro de regularización $\lambda$ aumenta, los valores de BCLTX mejoran (indicando explicaciones más estables) mientras que la degradación del rendimiento predictivo es mínima para un $\lambda$ pequeño.
Impacto en la Compatibilidad de Predicción: El uso de $\delta_{MAE}$ o $\delta_{MSE}$ mejora significamente la Compatibilidad Hacia Atrás en Predicciones (BCP), lo que sugiere que estabilizar las explicaciones también estabiliza las predicciones para las muestras que el modelo antiguo manejó correctamente.
Tiempo de Computación: CART-BCTX opera con tiempos de computación comparables a los de CART estándar (a lo sumo aproximadamente 2 veces más lento en los peores escenarios), confirmando su eficiencia práctica.
Comparación con Árboles Incrementales: Cuando se evalúa de forma por lotes (batch-wise), CART-BCTX supera a los árboles incrementales (VFDT, HAT) tanto en precisión predictiva como en valores de BCLTX. Aunque los árboles incrementales mantienen cierta compatibilidad de predicción, no logran preservar la estabilidad de la explicación basada en árboles a medio y largo plazo en comparación con el CART-BCTX actualizado por lotes.

5. Significado y Reivindicaciones

El artículo afirma que CART-BCTX proporciona una solución práctica para actualizar árboles de decisión en entornos donde la estabilidad de la explicación es tan crítica como la precisión predictiva. Al suprimir cambios drásticos en los límites de decisión y los intervalos de características, el método apoya el despliegue confiable en aplicaciones sensibles al riesgo.

El autor enfatiza que:

Las métricas de compatibilidad hacia atrás existentes (centradas en SHAP o la precisión de la predicción) son insuficientes para los árboles de decisión.
El marco propuesto permite actualizaciones compatibles hacia atrás sin requerir un rediseño completo del algoritmo de aprendizaje.
Aunque el trabajo actual asume un entorno de aprendizaje por lotes, el concepto de compatibilidad hacia atrás puede evaluarse de manera por lotes incluso dentro de contextos de aprendizaje incremental, donde los árboles incrementales estándar pueden fallar en preservar la consistencia de la explicación a largo plazo.

Limitaciones señaladas por el autor:

El algoritmo es voraz; encontrar el árbol globalmente óptimo bajo BCLTX es computacionalmente intratable.
La formulación actual no maneja explícitamente escenarios de deriva de concepto (concept drift) donde la definición de predicciones "correctas" podría cambiar fundamentalmente.
La significación práctica de las métricas propuestas requiere una validación adicional a través de estudios de usuario en entornos de despliegue realistas.