Fugu-MT 論文翻訳(概要): Landscape of R packages for eXplainable Artificial Intelligence

論文の概要: Landscape of R packages for eXplainable Artificial Intelligence

arxiv url: http://arxiv.org/abs/2009.13248v3
Date: Fri, 26 Mar 2021 20:59:32 GMT
ステータス: 処理完了
システム内更新日: 2022-10-15 04:23:10.625624
Title: Landscape of R packages for eXplainable Artificial Intelligence
Title（参考訳）: eXplainable Artificial IntelligenceのためのRパッケージのランドスケープ
Authors: Szymon Maksymiuk, Alicja Gosiewska, Przemyslaw Biecek
Abstract要約: この記事は主にRで利用可能なツールに特化していますが、Pythonコードの統合が容易であるため、Pythonから最も人気のあるライブラリの例も紹介します。
参考スコア（独自算出の注目度）: 4.91155110560629
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The growing availability of data and computing power fuels the development of predictive models. In order to ensure the safe and effective functioning of such models, we need methods for exploration, debugging, and validation. New methods and tools for this purpose are being developed within the eXplainable Artificial Intelligence (XAI) subdomain of machine learning. In this work (1) we present the taxonomy of methods for model explanations, (2) we identify and compare 27 packages available in R to perform XAI analysis, (3) we present an example of an application of particular packages, (4) we acknowledge recent trends in XAI. The article is primarily devoted to the tools available in R, but since it is easy to integrate the Python code, we will also show examples for the most popular libraries from Python.
Abstract（参考訳）: データの可用性と計算能力の増大は、予測モデルの開発を加速させる。このようなモデルの安全かつ効果的な機能を保証するためには、探索、デバッグ、検証のためのメソッドが必要です。この目的のための新しい方法とツールは、機械学習のeXplainable Artificial Intelligence(XAI)サブドメイン内で開発されている。本研究は,モデル説明のための手法の分類,2) XAI分析を行うためにRで利用可能な27のパッケージを特定し比較する,(3) 特定のパッケージの応用例を示す,(4) XAIの最近の傾向を認識する。この記事は主にRで利用可能なツールに特化していますが、Pythonコードの統合が容易であるため、Pythonから最も人気のあるライブラリの例も紹介します。

関連論文リスト

A Comprehensive Guide to Combining R and Python code for Data Science, Machine Learning and Reinforcement Learning [42.350737545269105]
機械学習、ディープラーニング、強化学習プロジェクトを構築するために、PythonのScikit-learn、pytorch、OpenAIのジムライブラリを簡単に実行する方法を示します。
論文参考訳（メタデータ） (2024-07-19T23:01:48Z)
cito: An R package for training neural networks using torch [0.0]
citoは、ディープラーニング(DL)アプリケーションのためのユーザフレンドリーなRパッケージである。多くのRパッケージで使われている慣れ親しんだ式構文でDNNを指定することができる。「シトー」には、モデルプロットと分析のための多くのユーザフレンドリーな機能が含まれている。
論文参考訳（メタデータ） (2023-03-16T18:54:20Z)
SurvLIMEpy: A Python package implementing SurvLIME [1.0689187493307983]
本稿では,SurvLIMEアルゴリズムを実装したオープンソースのPythonパッケージであるSurvLIMEpyを紹介する。このパッケージは、Cox Proportional Hazards ModelからDeepHitやDeepSurvといったディープラーニングモデルまで、さまざまなサバイバルモデルをサポートしている。
論文参考訳（メタデータ） (2023-02-21T09:54:32Z)
OmniXAI: A Library for Explainable AI [98.07381528393245]
eXplainable AI(XAI)のオープンソースPythonライブラリであるOmniXAIを紹介する。オールニウェイで説明可能なAI機能と、さまざまな解釈可能な機械学習技術を提供する。実践者にとってこのライブラリは、アプリケーションの説明を生成するために、使いやすく統合されたインターフェースを提供する。
論文参考訳（メタデータ） (2022-06-01T11:35:37Z)
pymdp: A Python library for active inference in discrete state spaces [52.85819390191516]
pymdpはPythonでアクティブな推論をシミュレートするオープンソースパッケージである。我々は,POMDPによるアクティブな推論をシミュレートする,最初のオープンソースパッケージを提供する。
論文参考訳（メタデータ） (2022-01-11T12:18:44Z)
Scikit-dimension: a Python package for intrinsic dimension estimation [58.8599521537]
この技術ノートは、固有次元推定のためのオープンソースのPythonパッケージであるtextttscikit-dimensionを紹介している。 textttscikit-dimensionパッケージは、Scikit-learnアプリケーションプログラミングインターフェイスに基づいて、既知のID推定子のほとんどを均一に実装する。パッケージを簡潔に記述し、実生活と合成データにおけるID推定手法の大規模(500以上のデータセット)ベンチマークでその使用を実証する。
論文参考訳（メタデータ） (2021-09-06T16:46:38Z)
Combining Feature and Instance Attribution to Detect Artifacts [62.63504976810927]
トレーニングデータアーティファクトの識別を容易にする手法を提案する。提案手法は,トレーニングデータのアーティファクトの発見に有効であることを示す。我々は,これらの手法が実際にNLP研究者にとって有用かどうかを評価するために,小規模なユーザスタディを実施している。
論文参考訳（メタデータ） (2021-07-01T09:26:13Z)
ALT-MAS: A Data-Efficient Framework for Active Testing of Machine Learning Algorithms [58.684954492439424]
少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
論文参考訳（メタデータ） (2021-04-11T12:14:04Z)
PyHealth: A Python Library for Health Predictive Models [53.848478115284195]
PyHealthは、医療データ上で様々な予測モデルを開発するためのオープンソースのPythonツールボックスである。データ前処理モジュールにより、複雑なヘルスケアデータセットを機械学習フレンドリーなフォーマットに変換できます。予測モデリングモジュールは、確立されたアンサンブルツリーとディープニューラルネットワークベースのアプローチを含む30以上の機械学習モデルを提供します。
論文参考訳（メタデータ） (2021-01-11T22:02:08Z)
FuncNN: An R Package to Fit Deep Neural Networks Using Generalized Input Spaces [0.0]
関数型ニューラルネットワーク(FuncNN)ライブラリは、あらゆるプログラミング言語で最初のパッケージである。本稿では,モデルの構築や予測,クロスバリデーションの実行を容易にする機能を紹介する。
論文参考訳（メタデータ） (2020-09-18T22:32:29Z)
PHOTONAI -- A Python API for Rapid Machine Learning Model Development [2.414341608751139]
PHOTONAIは、機械学習モデル開発の簡素化と高速化を目的とした、ハイレベルなPython APIである。これは統一フレームワークとして機能し、ユーザーは異なるツールボックスからのアルゴリズムをカスタムのアルゴリズムシーケンスに簡単にアクセスし、組み合わせることができる。
論文参考訳（メタデータ） (2020-02-13T10:33:05Z)

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。