論文の概要: On Understanding the Influence of Controllable Factors with a Feature
Attribution Algorithm: a Medical Case Study
- arxiv url: http://arxiv.org/abs/2203.12701v1
- Date: Wed, 23 Mar 2022 19:49:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-25 13:00:51.528480
- Title: On Understanding the Influence of Controllable Factors with a Feature
Attribution Algorithm: a Medical Case Study
- Title（参考訳）: 特徴帰属アルゴリズムによる制御可能な要因の影響の理解に関する医学的事例研究
- Authors: Veera Raghava Reddy Kovvuri, Siyuan Liu, Monika Seisenberger, Berndt
M\"uller, and Xiuyi Fan
- Abstract要約: 既存の特徴属性アルゴリズムは、データセット内のすべての特徴を均質に扱う。
本稿では、制御可能な特徴の相対的重要性を計算するために、制御可能なfActor特徴属性(CAFA)アプローチを提案する。
- 参考スコア（独自算出の注目度）: 7.331240833902455
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Feature attribution XAI algorithms enable their users to gain insight into
the underlying patterns of large datasets through their feature importance
calculation. Existing feature attribution algorithms treat all features in a
dataset homogeneously, which may lead to misinterpretation of consequences of
changing feature values. In this work, we consider partitioning features into
controllable and uncontrollable parts and propose the Controllable fActor
Feature Attribution (CAFA) approach to compute the relative importance of
controllable features. We carried out experiments applying CAFA to two existing
datasets and our own COVID-19 non-pharmaceutical control measures dataset.
Experimental results show that with CAFA, we are able to exclude influences
from uncontrollable features in our explanation while keeping the full dataset
for prediction.
- Abstract（参考訳）: 特徴帰属XAIアルゴリズムは、ユーザがその特徴重要度計算を通じて、大きなデータセットの基盤となるパターンを把握できるようにする。
既存の特徴属性アルゴリズムはデータセット内のすべての特徴を均質に扱い、特徴値の変化による結果の誤解釈につながる可能性がある。
本研究では,制御可能かつ制御不能な部分に特徴を分割することを検討するとともに,制御可能特徴の相対的重要性を計算するための制御可能fActor特徴属性(CAFA)アプローチを提案する。
cafaを既存の2つのデータセットと、新型コロナウイルス(covid-19)非薬剤管理指標データセットに適用する実験を行った。
実験の結果,cafaでは,予測のためのデータセットを完全に保持しながら,制御不能な特徴から影響を除外できることがわかった。
関連論文リスト
- Most Influential Subset Selection: Challenges, Promises, and Beyond [9.479235005673683]
我々は,最も集団的影響の大きいトレーニングサンプルのサブセットを特定することを目的とした,MISS(Most Influential Subset Selection)問題について検討する。
我々は、MISにおける一般的なアプローチを包括的に分析し、その強みと弱点を解明する。
本稿では,これらを反復的に適用した適応バージョンが,試料間の相互作用を効果的に捕捉できることを実証する。
論文 参考訳（メタデータ） (2024-09-25T20:00:23Z) - Approximating Counterfactual Bounds while Fusing Observational, Biased
and Randomised Data Sources [64.96984404868411]
我々は、複数の、偏見のある、観察的、介入的な研究からのデータを統合するという問題に対処する。
利用可能なデータの可能性は局所的な最大値を持たないことを示す。
次に、同じアプローチが複数のデータセットの一般的なケースにどのように対処できるかを示す。
論文 参考訳（メタデータ） (2023-07-31T11:28:24Z) - Statistical and Computational Guarantees for Influence Diagnostics [44.66763278782308]
影響診断は、影響のあるデータポイントまたはデータポイントのサブセットを特定する強力な統計ツールである。
我々は、影響関数と近似最大影響摂動に対して、有限サンプル統計境界と計算複雑性境界を確立する。
論文 参考訳（メタデータ） (2022-12-08T00:19:48Z) - Feature Selection for Discovering Distributional Treatment Effect
Modifiers [37.09619678733784]
治療効果の違いに関連する特徴を明らかにするための枠組みを提案する。
特徴属性が潜在的結果分布の相違にどの程度強く影響するかを定量化する特徴重要度尺度を導出する。
そこで我々は,I型エラー率を所望レベルまで制御できる特徴選択アルゴリズムを開発した。
論文 参考訳（メタデータ） (2022-06-01T14:25:32Z) - Multi-Source Causal Inference Using Control Variates [81.57072928775509]
本稿では,複数のデータソースから因果効果を推定するアルゴリズムを提案する。
理論的には、これはATE推定値の分散を減少させる。
このフレームワークを結果選択バイアスの下で観測データからの推論に適用する。
論文 参考訳（メタデータ） (2021-03-30T21:20:51Z) - Influence Functions in Deep Learning Are Fragile [52.31375893260445]
影響関数は、テスト時間予測におけるサンプルの効果を近似する。
影響評価は浅いネットワークでは かなり正確です
ヘッセン正則化は、高品質な影響推定を得るために重要である。
論文 参考訳（メタデータ） (2020-06-25T18:25:59Z) - Causal Feature Selection for Algorithmic Fairness [61.767399505764736]
データ管理の統合コンポーネントにおける公平性について検討する。
本稿では,データセットの公平性を保証する特徴のサブコレクションを同定する手法を提案する。
論文 参考訳（メタデータ） (2020-06-10T20:20:10Z) - How Training Data Impacts Performance in Learning-based Control [67.7875109298865]
本稿では,トレーニングデータの密度と制御性能の関係を考察する。
データセットの品質尺度を定式化し、$rho$-gap と呼ぶ。
フィードバック線形化制御法に$rho$-gapを適用する方法を示す。
論文 参考訳（メタデータ） (2020-05-25T12:13:49Z) - New advances in enumerative biclustering algorithms with online
partitioning [80.22629846165306]
さらに、数値データセットの列に定数値を持つ最大二クラスタの効率的で完全で正しい非冗長列挙を実現できる二クラスタリングアルゴリズムであるRIn-Close_CVCを拡張した。
改良されたアルゴリズムはRIn-Close_CVC3と呼ばれ、RIn-Close_CVCの魅力的な特性を保ちます。
論文 参考訳（メタデータ） (2020-03-07T14:54:26Z)
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。