Fugu-MT 論文翻訳(概要): Explaining Predictions from Machine Learning Models: Algorithms, Users, and Pedagogy

論文の概要: Explaining Predictions from Machine Learning Models: Algorithms, Users, and Pedagogy

arxiv url: http://arxiv.org/abs/2209.05084v1
Date: Mon, 12 Sep 2022 08:36:35 GMT
ステータス: 処理完了
システム内更新日: 2022-09-13 13:36:58.112726
Title: Explaining Predictions from Machine Learning Models: Algorithms, Users, and Pedagogy
Title（参考訳）: 機械学習モデルからの予測を説明する - アルゴリズム,ユーザ,教育学
Authors: Ana Lucic
Abstract要約: 説明は、MLモデルが特定の予測を行う理由だけでなく、これらの予測をどのように変更するかを理解するのに役立つ。本稿では,アルゴリズム,ユーザ,教育の3点からMLモデルの説明可能性について考察する。
参考スコア（独自算出の注目度）: 3.42658286826597
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Model explainability has become an important problem in machine learning (ML) due to the increased effect that algorithmic predictions have on humans. Explanations can help users understand not only why ML models make certain predictions, but also how these predictions can be changed. In this thesis, we examine the explainability of ML models from three vantage points: algorithms, users, and pedagogy, and contribute several novel solutions to the explainability problem.
Abstract（参考訳）: 機械学習(ml)では、アルゴリズムによる予測が人間に与える影響が増加するため、モデル説明可能性が重要な問題となっている。説明は、MLモデルが特定の予測を行う理由だけでなく、これらの予測をどのように変更するかを理解するのに役立つ。本稿では,アルゴリズム,ユーザ,教育学の3点からmlモデルの説明可能性を調べ,説明可能性問題に対するいくつかの新しい解決法を提案する。

関連論文リスト

Pyreal: A Framework for Interpretable ML Explanations [51.14710806705126]
Pyrealは、さまざまな解釈可能な機械学習説明を生成するシステムである。 Pyrealは、モデルによって期待される機能空間、関連する説明アルゴリズム、および人間のユーザ間でデータと説明を変換する。我々の研究は、Pyrealが既存のシステムよりも有用な説明を生成することを示した。
論文参考訳（メタデータ） (2023-12-20T15:04:52Z)
Predictability and Comprehensibility in Post-Hoc XAI Methods: A User-Centered Analysis [6.606409729669314]
ポストホック説明可能性法は、ブラックボックス機械学習モデルの予測を明らかにすることを目的としている。我々は、LIMEとSHAPの2つの広く使われているツールにおいて、理解性と予測可能性を評価するために、ユーザスタディを実施している。モデル決定境界付近のサンプルに対して説明を行うと,SHAPの理解度が大幅に低下することがわかった。
論文参考訳（メタデータ） (2023-09-21T11:54:20Z)
Explainability for Large Language Models: A Survey [59.67574757137078]
大規模言語モデル(LLM)は、自然言語処理における印象的な能力を示している。本稿では,トランスフォーマーに基づく言語モデルを記述する手法について,説明可能性の分類法を紹介した。
論文参考訳（メタデータ） (2023-09-02T22:14:26Z)
Logic-Based Explainability in Machine Learning [0.0]
最も成功した機械学習モデルの運用は、人間の意思決定者にとって理解できない。近年,MLモデルを説明するためのアプローチの開発が試みられている。本稿では,MLモデルの厳密なモデルに基づく説明を計算するための研究成果について概説する。
論文参考訳（メタデータ） (2022-10-24T13:43:07Z)
Local Interpretable Model Agnostic Shap Explanations for machine learning models [0.0]
局所解釈可能なモデル非依存型シェイプ説明法(LIMASE)を提案する。提案手法は, LIMEパラダイムの下でシェープリー値を用いて, 局所的忠実かつ解釈可能な決定木モデルを用いて, シェープリー値を計算し, 視覚的に解釈可能な説明を行うことにより, 任意のモデルの予測を行う。
論文参考訳（メタデータ） (2022-10-10T10:07:27Z)
Studying the explanations for the automated prediction of bug and non-bug issues using LIME and SHAP [7.792303263390021]
機械学習モデルが、人間として私たちにとって妥当な分類の説明を提供するかどうかを理解したい。また、予測品質が説明の質と相関しているかどうかも知りたい。
論文参考訳（メタデータ） (2022-09-15T21:45:46Z)
An Explainable Regression Framework for Predicting Remaining Useful Life of Machines [6.374451442486538]
本稿では,機械の残留実用寿命(RUL)予測のための説明可能な回帰フレームワークを提案する。また、古典的およびニューラルネットワーク(NN)に基づくタスクのためのソリューションを含む機械学習(ML)アルゴリズムを評価した。
論文参考訳（メタデータ） (2022-04-28T15:44:12Z)
Hessian-based toolbox for reliable and interpretable machine learning in physics [58.720142291102135]
本稿では,モデルアーキテクチャの解釈可能性と信頼性,外挿を行うためのツールボックスを提案する。与えられたテストポイントでの予測に対する入力データの影響、モデル予測の不確実性の推定、およびモデル予測の不可知スコアを提供する。我々の研究は、物理学やより一般的には科学に適用されたMLにおける解釈可能性と信頼性の方法の体系的利用への道を開く。
論文参考訳（メタデータ） (2021-08-04T16:32:59Z)
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)
Deducing neighborhoods of classes from a fitted model [68.8204255655161]
本稿では,新しいタイプの解釈可能な機械学習手法を提案する。量子シフトを用いた分類モデルでは、特徴空間の予測クラスへの分割を理解するのに役立ちます。基本的に、実際のデータポイント(または特定の関心点)を使用し、特定の特徴をわずかに引き上げたり減少させたりした後の予測の変化を観察する。
論文参考訳（メタデータ） (2020-09-11T16:35:53Z)
An Information-Theoretic Approach to Personalized Explainable Machine Learning [92.53970625312665]
本稿では,予測とユーザ知識のための簡易確率モデルを提案する。説明と予測の間の条件付き相互情報による説明の効果を定量化する。
論文参考訳（メタデータ） (2020-03-01T13:06:29Z)

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。