論文の概要: mSHAP: SHAP Values for Two-Part Models

• arxiv url: http://arxiv.org/abs/2106.08990v1
• Date: Wed, 16 Jun 2021 17:45:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-17 18:56:11.856549
• Title: mSHAP: SHAP Values for Two-Part Models
• Title（参考訳）: mSHAP: 2部モデルのSHAP値
• Authors: Spencer Matthews and Brian Hartman
• Abstract要約: 2部構成のモデルは保険やアクチュアリアル・サイエンスにおいて重要である。 SHAP値は様々なブラックボックスモデルの解釈を可能にするが、2部モデルではほとんど進歩していない。 本研究では,各モデルのSHAP値を用いて2部モデルのSHAP値を計算する手法であるmSHAPを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Two-part models are important to and used throughout insurance and actuarial science. Since insurance is required for registering a car, obtaining a mortgage, and participating in certain businesses, it is especially important that the models which price insurance policies are fair and non-discriminatory. Black box models can make it very difficult to know which covariates are influencing the results. SHAP values enable interpretation of various black box models, but little progress has been made in two-part models. In this paper, we propose mSHAP (or multiplicative SHAP), a method for computing SHAP values of two-part models using the SHAP values of the individual models. This method will allow for the predictions of two-part models to be explained at an individual observation level. After developing mSHAP, we perform an in-depth simulation study. Although the kernelSHAP algorithm is also capable of computing approximate SHAP values for a two-part model, a comparison with our method demonstrates that mSHAP is exponentially faster. Ultimately, we apply mSHAP to a two-part ratemaking model for personal auto property damage insurance coverage. Additionally, an R package (mshap) is available to easily implement the method in a wide variety of applications.
• Abstract（参考訳）: 2部構成モデルは保険とアクチュアリー科学において重要である。 自動車の登録、住宅ローンの取得、特定の事業への参加には保険が必要であるため、価格保険ポリシーが公正かつ差別的であるモデルが特に重要である。 ブラックボックスモデルは、どの共変体が結果に影響を与えるかを知るのが非常に困難である。 SHAP値は様々なブラックボックスモデルの解釈を可能にするが、2部モデルではほとんど進歩していない。 本稿では,個々のモデルのshap値を用いて2部モデルのshap値を計算する手法であるmshap(または乗法shap)を提案する。 この方法では、個々の観測レベルで説明できる2部モデルの予測が可能となる。 mSHAPを開発した後、詳細なシミュレーション研究を行う。 カーネルSHAPアルゴリズムは2部モデルに対する近似SHAP値の計算も可能であるが,本手法との比較により,mSHAPが指数関数的に高速であることを示す。 最終的にmSHAPを個人用自動車不動産損害保険保険の2部構成率モデルに適用する。 加えて、Rパッケージ(mshap)は、様々なアプリケーションで簡単にメソッドを実装することができる。

関連論文リスト

• MAP: Low-compute Model Merging with Amortized Pareto Fronts via Quadratic Approximation [80.47072100963017]
  Amortized Pareto Front (MAP) を用いた新しい低演算アルゴリズム Model Merging を導入する。 MAPは、複数のモデルをマージするためのスケーリング係数のセットを効率的に識別し、関連するトレードオフを反映する。 また,タスク数が比較的少ないシナリオではベイジアンMAP,タスク数の多い状況ではNested MAPを導入し,計算コストを削減した。
  論文  参考訳（メタデータ） (2024-06-11T17:55:25Z)
• EMR-Merging: Tuning-Free High-Performance Model Merging [55.03509900949149]
  Elect, Mask & Rescale-Merging (EMR-Merging) は既存のマージ手法と比較して優れた性能を示した。 EMR-Mergingはチューニング不要なので、データアベイラビリティや追加のトレーニングは必要ありません。
  論文  参考訳（メタデータ） (2024-05-23T05:25:45Z)
• MiniCPM: Unveiling the Potential of Small Language Models with Scalable Training Strategies [85.57899012821211]
  SLM(Small Language Models)は、LLM(Large Language Models)に代わるリソース効率の高いモデルである。 我々はMiniCPM、特に1.2Bと2.4Bの非埋め込みパラメータの変種を紹介する。 また、MiniCPM-DPO、MiniCPM-MoE、MiniCPM-128Kを含むMiniCPMファミリーについても紹介する。
  論文  参考訳（メタデータ） (2024-04-09T15:36:50Z)
• Induced Model Matching: How Restricted Models Can Help Larger Ones [1.7676816383911753]
  制限された特徴を用いた非常に正確な予測モデルが、より大きく、フル機能の、モデルのトレーニング時に利用可能であるシナリオを考察する。 制限されたモデルは、フルモデルにどのように役立つのか? 本稿では,制約モデルと制約モデルの性能を一致させることで,制約モデルの知識をフルモデルに伝達する手法を提案する。
  論文  参考訳（メタデータ） (2024-02-19T20:21:09Z)
• Computing SHAP Efficiently Using Model Structure Information [3.6626323701161665]
  本稿では, SHAP を時間的あるいはより高速に計算する手法を提案し, 付加性とダミーの仮定を満たす SHAP の定義を提案する。 最初のケースでは、加算特性と低次機能成分からSHAPを計算する方法を示す。 第2のケースでは、時間内にSHAPを計算できる式を導出します。
  論文  参考訳（メタデータ） (2023-09-05T17:48:09Z)
• Gaussian Process Probes (GPP) for Uncertainty-Aware Probing [61.91898698128994]
  モデルによって表現される概念に関する不確実性を探索し、測定するための統一的でシンプルなフレームワークを導入する。 実験の結果,(1)ごく少数の例でも,モデルの概念表現を探索し,(2)認識の不確実性(プローブがどの程度確実か)と解離不確実性(モデルがファジィか)を正確に測定し,(3)これらの不確実性尺度と古典的手法を用いて分布データの検出を行うことができた。
  論文  参考訳（メタデータ） (2023-05-29T17:00:16Z)
• Dataless Knowledge Fusion by Merging Weights of Language Models [51.8162883997512]
  微調整された事前学習言語モデルは、下流のNLPモデルを構築するための主要なパラダイムとなっている。 これは、より優れた単一モデルを生み出すために、個々のモデル間で知識を融合させる障壁を生み出します。 パラメータ空間のモデルをマージするデータレス知識融合法を提案する。
  論文  参考訳（メタデータ） (2022-12-19T20:46:43Z)
• MM-SHAP: A Performance-agnostic Metric for Measuring Multimodal Contributions in Vision and Language Models & Tasks [20.902155496422417]
  視覚と言語モデルは、各モダリティにおける関連情報に焦点をあてるのではなく、個々のモダリティにおける不正な指標を利用する。 MM-SHAPは,シェープリー値に基づく性能非依存のマルチモーダリティスコアである。
  論文  参考訳（メタデータ） (2022-12-15T21:41:06Z)
• Model Transparency and Interpretability : Survey and Application to the Insurance Industry [1.6058099298620423]
  本稿では、モデルタックルの解釈の重要性とモデルの透明性の概念を紹介する。 保険のコンテキスト内では、アクチュアリアルモデルの制御を強制するために、いくつかのツールがどのように使用できるかを示す。
  論文  参考訳（メタデータ） (2022-09-01T16:12:54Z)
• PSD Representations for Effective Probability Models [117.35298398434628]
  最近提案された非負関数に対する正半定値(PSD)モデルがこの目的に特に適していることを示す。 我々はPSDモデルの近似と一般化能力の両方を特徴付け、それらが強い理論的保証を享受していることを示す。 本研究では,PSDモデルの密度推定,決定理論,推論への応用への道を開く。
  論文  参考訳（メタデータ） (2021-06-30T15:13:39Z)
• Trust the Model When It Is Confident: Masked Model-based Actor-Critic [11.675078067322897]
  Masked Model-based Actor-Critic (M2AC)は、新しいポリシー最適化アルゴリズムである。 M2ACはモデルの不確実性に基づいてマスキング機構を実装し、その予測が使用されるかどうかを決定する。
  論文  参考訳（メタデータ） (2020-10-10T03:39:56Z)

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。