論文の概要: RbX: Region-based explanations of prediction models
- arxiv url: http://arxiv.org/abs/2210.08721v1
- Date: Mon, 17 Oct 2022 03:38:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 17:06:17.495594
- Title: RbX: Region-based explanations of prediction models
- Title(参考訳): RbX:地域別予測モデルの説明
- Authors: Ismael Lemhadri, Harrison H. Li, and Trevor Hastie
- Abstract要約: 領域に基づく説明(RbX)は、ブラックボックス予測モデルからスカラー出力の局所的な説明を生成するモデルに依存しない方法である。
RbXは「スパーシティ公理(sparsity axiom)」を満たすことが保証されており、予測モデルに入らない特徴は重要視されない。
- 参考スコア(独自算出の注目度): 69.3939291118954
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce region-based explanations (RbX), a novel, model-agnostic method
to generate local explanations of scalar outputs from a black-box prediction
model using only query access. RbX is based on a greedy algorithm for building
a convex polytope that approximates a region of feature space where model
predictions are close to the prediction at some target point. This region is
fully specified by the user on the scale of the predictions, rather than on the
scale of the features. The geometry of this polytope - specifically the change
in each coordinate necessary to escape the polytope - quantifies the local
sensitivity of the predictions to each of the features. These "escape
distances" can then be standardized to rank the features by local importance.
RbX is guaranteed to satisfy a "sparsity axiom," which requires that features
which do not enter into the prediction model are assigned zero importance. At
the same time, real data examples and synthetic experiments show how RbX can
more readily detect all locally relevant features than existing methods.
- Abstract(参考訳): 本稿では,クエリアクセスのみを用いたブラックボックス予測モデルからスカラー出力の局所的な説明を生成するための,領域ベース説明(RbX)を提案する。
RbXは、ある目標点における予測に近似した特徴空間の領域を近似する凸ポリトープを構築するための欲求アルゴリズムに基づいている。
この領域は、機能のスケールではなく、予測のスケールでユーザによって完全に指定されます。
このポリトープの幾何学、特にポリトープから逃れるために必要な各座標の変化は、各特徴に対する予測の局所的な感度を定量化する。
これらの「景観距離」は、地域的重要性によって特徴をランク付けするために標準化される。
RbXは「スパーシティ公理(sparsity axiom)」を満たすことが保証されており、予測モデルに入らない特徴は重要視されない。
同時に、実データ例と合成実験では、rbxが既存の方法よりもローカルに関係のある全ての特徴をより容易に検出できることを示す。
関連論文リスト
- Guarantee Regions for Local Explanations [29.429229877959663]
局所的な説明が正しいと保証される領域を同定するアンカーベースアルゴリズムを提案する。
提案手法は,局所代理モデルの予測が予測モデルと一致するように保証される,解釈可能な特徴整合ボックスを生成する。
論文 参考訳(メタデータ) (2024-02-20T06:04:44Z) - Multi-Modal Conformal Prediction Regions by Optimizing Convex Shape
Templates [20.482408291644838]
コンフォーマル予測は、高い確率で有効な機械学習モデルの予測領域を生成する統計ツールである。
共形予測アルゴリズムの重要な構成要素は、モデルの予測が未知の基底真理値とどの程度異なるかを測定する非整合スコア関数である。
キャリブレーションデータよりもパラメータ化された形状テンプレート関数を最適化し,最小体積の予測領域を生成する非整合スコア関数を提案する。
論文 参考訳(メタデータ) (2023-12-12T17:00:13Z) - PRISM: Probabilistic Real-Time Inference in Spatial World Models [52.878769723544615]
PRISMはエージェントの動きと視覚知覚の確率的生成モデルにおけるリアルタイムフィルタリングの手法である。
提案手法は10Hzでリアルタイムに動作し,小型・中型屋内環境における最先端SLAMと同等に精度が高い。
論文 参考訳(メタデータ) (2022-12-06T13:59:06Z) - LOPR: Latent Occupancy PRediction using Generative Models [49.15687400958916]
LiDARの生成した占有グリッドマップ(L-OGM)は、頑丈な鳥の視線シーンを表現している。
本稿では,学習空間内での表現学習と予測という,占有率予測を分離する枠組みを提案する。
論文 参考訳(メタデータ) (2022-10-03T22:04:00Z) - B\'ezier Curve Gaussian Processes [8.11969931278838]
本稿では,確率的B'ezier曲線上に構築された新しい確率的シーケンスモデルを提案する。
混合密度ネットワークと組み合わせることで、平均場変動近似を必要とせずにベイズ条件推論を行うことができる。
このモデルは歩行者の軌跡予測に使われ、生成した予測はGP前でも機能する。
論文 参考訳(メタデータ) (2022-05-03T19:49:57Z) - Distributional Gradient Boosting Machines [77.34726150561087]
私たちのフレームワークはXGBoostとLightGBMをベースにしています。
我々は,このフレームワークが最先端の予測精度を実現することを示す。
論文 参考訳(メタデータ) (2022-04-02T06:32:19Z) - Semantic Segmentation by Early Region Proxy [53.594035639400616]
本稿では,学習可能な領域のテッセルレーションとしてイメージを解釈することから始まる,新規で効率的なモデリングについて述べる。
領域のコンテキストをモデル化するために,Transformerを用いてシーケンス・ツー・シーケンス方式で領域を符号化する。
現在、符号化された領域埋め込みの上に、領域ごとのセマンティックセグメンテーションを行う。
論文 参考訳(メタデータ) (2022-03-26T10:48:32Z) - MD-split+: Practical Local Conformal Inference in High Dimensions [0.5439020425819]
MD-split+は、局所化されたモデル性能に基づいてXパーティションを生成する、実用的な局所共形アプローチである。
我々は,我々の局所的分割が条件付き共形推論手法から期待される行動と哲学的にどのように一致しているかを論じる。
論文 参考訳(メタデータ) (2021-07-07T15:19:16Z) - Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。
本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。
実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文 参考訳(メタデータ) (2020-07-20T12:07:48Z) - Gaussian Process Regression with Local Explanation [28.90948136731314]
本稿では,各サンプルの予測に寄与する特徴を明らかにするため,局所的な説明を伴うGPRを提案する。
提案モデルでは,各サンプルの予測と説明を,容易に解釈可能な局所線形モデルを用いて行う。
新しい試験サンプルでは, 対象変数と重みベクトルの値と不確かさを予測できる。
論文 参考訳(メタデータ) (2020-07-03T13:22:24Z)
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。