論文の概要: Optimal Counterfactual Explanations for Scorecard modelling
- arxiv url: http://arxiv.org/abs/2104.08619v1
- Date: Sat, 17 Apr 2021 18:51:50 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-20 13:31:48.246295
- Title: Optimal Counterfactual Explanations for Scorecard modelling
- Title(参考訳): スコアカードモデルのための最適反事実説明
- Authors: Guillermo Navas-Palencia
- Abstract要約: 本研究では,スコアカードモデルのための数学的プログラミングの定式化を検討する。
提案した混合整数型プログラミング定式化は、目的関数を組み合わせて、密接で現実的でスパースな反事実を保証する。
2つの実世界のデータセットの実験により、提案手法が最適な多様なカウンターファクトを生成できることが確認された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Counterfactual explanations is one of the post-hoc methods used to provide
explainability to machine learning models that have been attracting attention
in recent years. Most examples in the literature, address the problem of
generating post-hoc explanations for black-box machine learning models after
the rejection of a loan application. In contrast, in this work, we investigate
mathematical programming formulations for scorecard models, a type of
interpretable model predominant within the banking industry for lending. The
proposed mixed-integer programming formulations combine objective functions to
ensure close, realistic and sparse counterfactuals using multi-objective
optimization techniques for a binary, probability or continuous outcome.
Moreover, we extend these formulations to generate multiple optimal
counterfactuals simultaneously while guaranteeing diversity. Experiments on two
real-world datasets confirm that the presented approach can generate optimal
diverse counterfactuals addressing desired properties with assumable CPU times
for practice use.
- Abstract(参考訳): 反事実的説明は、近年注目を集めている機械学習モデルに説明可能性を提供するためのポストホック手法の1つである。
文献のほとんどの例では、ローン申請の拒絶後、ブラックボックス機械学習モデルのポストホック説明を生成する問題に対処している。
対照的に,本研究では,銀行業において主に融資を行うための解釈可能なモデルの一種であるスコアカードモデルの数学的プログラミング定式化について検討する。
提案した混合整数プログラミング定式化は、目的関数を組み合わせて、二進数、確率、連続的な結果に対する多目的最適化手法を用いて、密接で現実的でスパースなカウンターファクトを確実にする。
さらに,これらの定式化を拡張して,多様性を確保しつつ,複数の最適対策を同時に生成する。
2つの実世界のデータセットの実験により、提案されたアプローチは、望ましい特性に対処する最適な多種多様なカウンターファクトを生成できることを確認した。
関連論文リスト
- Sparse Variational Student-t Processes [8.46450148172407]
学生Tプロセスは、重い尾の分布とデータセットをアウトリーチでモデル化するために使用される。
本研究では,学生プロセスが現実のデータセットに対してより柔軟になるためのスパース表現フレームワークを提案する。
UCIとKaggleの様々な合成および実世界のデータセットに対する2つの提案手法の評価を行った。
論文 参考訳(メタデータ) (2023-12-09T12:55:20Z) - HyperImpute: Generalized Iterative Imputation with Automatic Model
Selection [77.86861638371926]
カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。
既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
論文 参考訳(メタデータ) (2022-06-15T19:10:35Z) - MACE: An Efficient Model-Agnostic Framework for Counterfactual
Explanation [132.77005365032468]
MACE(Model-Agnostic Counterfactual Explanation)の新たな枠組みを提案する。
MACE法では, 優れた反実例を見つけるための新しいRL法と, 近接性向上のための勾配のない降下法を提案する。
公開データセットの実験は、有効性、空間性、近接性を向上して検証する。
論文 参考訳(メタデータ) (2022-05-31T04:57:06Z) - Model-agnostic multi-objective approach for the evolutionary discovery
of mathematical models [55.41644538483948]
現代のデータ科学では、どの部分がより良い結果を得るために置き換えられるかというモデルの性質を理解することがより興味深い。
合成データ駆動型モデル学習において,多目的進化最適化を用いてアルゴリズムの所望特性を求める。
論文 参考訳(メタデータ) (2021-07-07T11:17:09Z) - Beyond Trivial Counterfactual Explanations with Diverse Valuable
Explanations [64.85696493596821]
コンピュータビジョンの応用において、生成的対実法はモデルの入力を摂動させて予測を変更する方法を示す。
本稿では,多様性強化損失を用いて制約される不連続潜在空間における摂動を学習する反事実法を提案する。
このモデルは, 従来の最先端手法と比較して, 高品質な説明を生産する成功率を向上させる。
論文 参考訳(メタデータ) (2021-03-18T12:57:34Z) - Split Modeling for High-Dimensional Logistic Regression [0.2676349883103404]
短時間コンパイルしたアンサンブルロジスティック分類モデルに対して,新しい手法を提案する。
本手法は,予測精度に優れたバイアスオフの活用法を学習する。
提案手法を実装したオープンソースソフトウェアライブラリを議論する。
論文 参考訳(メタデータ) (2021-02-17T05:57:26Z) - Learning outside the Black-Box: The pursuit of interpretable models [78.32475359554395]
本稿では,任意の連続ブラックボックス関数の連続的大域的解釈を生成するアルゴリズムを提案する。
我々の解釈は、その芸術の以前の状態から飛躍的な進歩を表している。
論文 参考訳(メタデータ) (2020-11-17T12:39:44Z) - Goal-directed Generation of Discrete Structures with Conditional
Generative Models [85.51463588099556]
本稿では,強化学習目標を直接最適化し,期待される報酬を最大化するための新しいアプローチを提案する。
提案手法は、ユーザ定義プロパティを持つ分子の生成と、所定の目標値を評価する短いピソン表現の同定という2つのタスクで検証する。
論文 参考訳(メタデータ) (2020-10-05T20:03:13Z) - Multi-Objective Counterfactual Explanations [0.7349727826230864]
本稿では, 対物探索を多目的最適化問題に変換する多目的対物法 (MOC) を提案する。
我々のアプローチは、提案する目的間のトレードオフの異なる多様な対策セットを返却するだけでなく、特徴空間における多様性も維持する。
論文 参考訳(メタデータ) (2020-04-23T13:56:39Z) - Optimal binning: mathematical programming formulation [0.0]
最適なビンニングは、変数の離散的あるいは連続的な数値的対象を与えられたビンへの最適な離散化である。
本稿では,二元的,連続的,多クラス的対象型に対する最適結合問題を解くための厳密で数学的プログラミングの定式化について述べる。
論文 参考訳(メタデータ) (2020-01-22T14:11:13Z)
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。