論文の概要: On The Reasons Behind Decisions
- arxiv url: http://arxiv.org/abs/2002.09284v1
- Date: Fri, 21 Feb 2020 13:37:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-30 00:23:48.856879
- Title: On The Reasons Behind Decisions
- Title(参考訳): 決定の裏にある理由
- Authors: Adnan Darwiche and Auguste Hirth
- Abstract要約: 意思決定の背後にある十分な、必要な、完全な理由といった概念を定義します。
これらの概念は, 対実的ステートメントの評価にどのように用いられるかを示す。
これらの概念を計算するための効率的なアルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 11.358487655918676
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent work has shown that some common machine learning classifiers can be
compiled into Boolean circuits that have the same input-output behavior. We
present a theory for unveiling the reasons behind the decisions made by Boolean
classifiers and study some of its theoretical and practical implications. We
define notions such as sufficient, necessary and complete reasons behind
decisions, in addition to classifier and decision bias. We show how these
notions can be used to evaluate counterfactual statements such as "a decision
will stick even if ... because ... ." We present efficient algorithms for
computing these notions, which are based on new advances on tractable Boolean
circuits, and illustrate them using a case study.
- Abstract(参考訳): 最近の研究によると、いくつかの一般的な機械学習分類器は、同じ入力出力動作を持つブール回路にコンパイル可能である。
ブール分類器による決定の背景にある理由を明らかにするための理論を提案し、その理論的および実践的な意味について研究する。
私たちは、分類器と決定バイアスに加えて、決定の背後にある十分な、必要、完全な理由といった概念を定義します。
これらの概念が「たとえ...なぜならば、決定は継続する」といった反実的な言明を評価するのにどのように使われるかを示す。
本稿では, トラクタブルブール回路の新たな進歩を基盤として, これらの概念を効率的に計算するアルゴリズムを提案し, ケーススタディを用いて説明する。
関連論文リスト
- Bisimulation Learning [55.859538562698496]
我々は、大きな、潜在的に無限の状態空間を持つ状態遷移系の有限バイシミュレートを計算する。
提案手法は,実際に行われている他の最先端ツールよりも高速な検証結果が得られる。
論文 参考訳(メタデータ) (2024-05-24T17:11:27Z) - Inverse Decision Modeling: Learning Interpretable Representations of
Behavior [72.80902932543474]
我々は,逆決定モデルに関する表現的,統一的な視点を開拓する。
これを逆問題(記述モデルとして)の形式化に用います。
この構造が(有界な)有理性の学習(解釈可能な)表現を可能にする方法について説明する。
論文 参考訳(メタデータ) (2023-10-28T05:05:01Z) - Empower Nested Boolean Logic via Self-Supervised Curriculum Learning [67.46052028752327]
大規模言語モデルを含む事前学習された言語モデルは、多言語論理に直面するランダムセレクタのように振る舞う。
この基本的能力で言語モデルを強化するために,本稿では,新たな自己教師付き学習手法であるtextitCurriculum Logical Reasoning (textscClr) を提案する。
論文 参考訳(メタデータ) (2023-10-09T06:54:02Z) - Invariant Causal Set Covering Machines [64.86459157191346]
決定木のようなルールベースのモデルは、解釈可能な性質のために実践者にアピールする。
しかし、そのようなモデルを生成する学習アルゴリズムは、しばしば刺激的な関連に弱いため、因果関係の洞察を抽出することが保証されていない。
Invariant Causal Set Covering Machines は、古典的集合被覆マシンアルゴリズムの拡張であり、二値ルールの結合/分離を可能とし、スプリアス関係を確実に回避する。
論文 参考訳(メタデータ) (2023-06-07T20:52:01Z) - Logic for Explainable AI [11.358487655918676]
説明可能なAIにおける中心的な探求は、(学習された)分類器による決定を理解することである。
本チュートリアルでは,これらの次元に沿った説明可能性に関する包括的・意味的・計算的理論について論じる。
論文 参考訳(メタデータ) (2023-05-09T04:53:57Z) - Explainable Data-Driven Optimization: From Context to Decision and Back
Again [76.84947521482631]
データ駆動最適化では、コンテキスト情報と機械学習アルゴリズムを使用して、不確実なパラメータによる決定問題の解決策を見つける。
本稿では,データ駆動型問題に対する解法を説明するために,対実的説明手法を提案する。
在庫管理やルーティングといった運用管理における重要な問題を説明することで,我々のアプローチを実証する。
論文 参考訳(メタデータ) (2023-01-24T15:25:16Z) - A Set Membership Approach to Discovering Feature Relevance and
Explaining Neural Classifier Decisions [0.0]
本稿では,訓練されたニューラル分類器がどの特徴を関連づけているかを明らかにする新しい手法を提案する。
しかし,本稿では,非線形パラメータ推定の観点から,特徴関連性は機械学習の文献で注目されている。
論文 参考訳(メタデータ) (2022-04-05T14:25:11Z) - Sufficient reasons for classifier decisions in the presence of
constraints [9.525900373779395]
最近の研究では、二項分類器による決定を推論する理論が明らかにされている。
我々は制約を考慮したより一般的な理論を提案する。
私たちは、この単純なアイデアが(時にはもっと)簡潔な理由をもたらすことを証明します。
論文 参考訳(メタデータ) (2021-05-12T23:36:12Z) - Beyond traditional assumptions in fair machine learning [5.029280887073969]
この論文は、連続的な意思決定における公正性に対する従来の機械学習アプローチの基礎となる一般的な仮定を精査する。
観測データの統計的特性に基づいたグループフェアネス基準は, 基本的に限定的であることを示す。
我々は、機密データが実際に容易に利用できるという仮定を克服する。
論文 参考訳(メタデータ) (2021-01-29T09:02:15Z) - Neural Logic Reasoning [47.622957656745356]
本稿では,ディープラーニングと論理推論の能力を統合するために,論理統合ニューラルネットワーク(LINN)を提案する。
LINNは、神経モジュールとしてAND、OR、NOTなどの基本的な論理操作を学び、推論のためにネットワークを通して命題論理推論を行う。
実験の結果、LINNはTop-Kレコメンデーションにおいて最先端のレコメンデーションモデルを大幅に上回っていることがわかった。
論文 参考訳(メタデータ) (2020-08-20T14:53:23Z) - The Tractability of SHAP-Score-Based Explanations over Deterministic and
Decomposable Boolean Circuits [2.8682942808330703]
SHAPスコアは決定木のクラス上で時間的に計算可能であることを示す。
また、SHAPスコアの概念の計算限界を確立する。
論文 参考訳(メタデータ) (2020-07-28T08:04:28Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。