論文の概要: Exploration of the Rashomon Set Assists Trustworthy Explanations for
Medical Data
- arxiv url: http://arxiv.org/abs/2308.11446v2
- Date: Mon, 18 Sep 2023 09:50:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-19 22:38:52.560136
- Title: Exploration of the Rashomon Set Assists Trustworthy Explanations for
Medical Data
- Title（参考訳）: ラショモンセットの探索は医療データのための信頼できる説明を支援する
- Authors: Katarzyna Kobyli\'nska, Mateusz Krzyzi\'nski, Rafa{\l} Machowicz,
Mariusz Adamek, Przemys{\l}aw Biecek
- Abstract要約: 本稿では,Rashomon集合におけるモデル探索の新たなプロセスを紹介し,従来のモデリング手法を拡張した。
動作の異なるモデルを検出するために,$textttRashomon_DETECT$アルゴリズムを提案する。
モデル間の変動効果の差を定量化するために,機能的データ解析に基づくプロファイル分散指数(PDI)を導入する。
- 参考スコア（独自算出の注目度）: 4.499833362998488
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The machine learning modeling process conventionally culminates in selecting
a single model that maximizes a selected performance metric. However, this
approach leads to abandoning a more profound analysis of slightly inferior
models. Particularly in medical and healthcare studies, where the objective
extends beyond predictions to valuable insight generation, relying solely on a
single model can result in misleading or incomplete conclusions. This problem
is particularly pertinent when dealing with a set of models known as
$\textit{Rashomon set}$, with performance close to maximum one. Such a set can
be numerous and may contain models describing the data in a different way,
which calls for comprehensive analysis. This paper introduces a novel process
to explore models in the Rashomon set, extending the conventional modeling
approach. We propose the $\texttt{Rashomon_DETECT}$ algorithm to detect models
with different behavior. It is based on recent developments in the eXplainable
Artificial Intelligence (XAI) field. To quantify differences in variable
effects among models, we introduce the Profile Disparity Index (PDI) based on
measures from functional data analysis. To illustrate the effectiveness of our
approach, we showcase its application in predicting survival among
hemophagocytic lymphohistiocytosis (HLH) patients - a foundational case study.
Additionally, we benchmark our approach on other medical data sets,
demonstrating its versatility and utility in various contexts. If differently
behaving models are detected in the Rashomon set, their combined analysis leads
to more trustworthy conclusions, which is of vital importance for high-stakes
applications such as medical applications.
- Abstract（参考訳）: 機械学習のモデリングプロセスは、従来、選択されたパフォーマンスメトリックを最大化する単一のモデルを選択することで頂点に達する。
しかし、このアプローチはわずかに劣ったモデルのより深い分析を捨てる結果となる。
特に医学や医療の分野では、目標は予測を超えて価値ある洞察を生み出すことであり、単一のモデルのみに依存することは誤解を招くか不完全な結論をもたらす可能性がある。
この問題は、最大値に近いパフォーマンスを持つ$\textit{Rashomon set}$と呼ばれるモデルの集合を扱う場合に特に関係がある。
このような集合は多数あり、異なる方法でデータを記述するモデルを含んでいる可能性がある。
本稿では,Rashomon集合におけるモデル探索の新たなプロセスを紹介し,従来のモデリング手法を拡張した。
動作の異なるモデルを検出するために,$\texttt{Rashomon_DETECT}$アルゴリズムを提案する。
これは、eXplainable Artificial Intelligence (XAI)分野の最近の発展に基づいている。
モデル間の変動効果の差を定量化するために,機能的データ解析に基づくプロファイル分散指数(PDI)を導入する。
本手法の有効性を示すため,造血細胞リンパ血球症(hlh)患者の生存率の予測に本手法を応用した基礎的検討を行った。
さらに,我々のアプローチを他の医療データセットにベンチマークし,様々な状況においてその汎用性と有用性を示す。
異なる振る舞いモデルがRashomonセットで検出された場合、それらの組み合わせ分析によりより信頼性の高い結論が導かれる。
関連論文リスト
- Lessons Learned on Information Retrieval in Electronic Health Records: A Comparison of Embedding Models and Pooling Strategies [8.822087602255504]
大きな言語モデルを臨床領域に適用することは、医療記録を処理するという文脈重大な性質のために困難である。
本稿では, 組込みモデルとプール法の違いが臨床領域の情報検索に与える影響について検討する。
論文 参考訳（メタデータ） (2024-09-23T16:16:08Z) - On Least Square Estimation in Softmax Gating Mixture of Experts [78.3687645289918]
決定論的MoEモデルに基づく最小二乗推定器(LSE)の性能について検討する。
我々は,多種多様な専門家関数の収束挙動を特徴付けるために,強い識別可能性という条件を確立する。
本研究は,専門家の選択に重要な意味を持つ。
論文 参考訳（メタデータ） (2024-02-05T12:31:18Z) - The Importance of Downstream Networks in Digital Pathology Foundation Models [1.689369173057502]
162のアグリゲーションモデル構成を持つ3つの異なるデータセットにまたがる7つの特徴抽出モデルを評価する。
多くの特徴抽出器モデルの性能は顕著に類似していることが判明した。
論文 参考訳（メタデータ） (2023-11-29T16:54:25Z) - A prediction and behavioural analysis of machine learning methods for
modelling travel mode choice [0.26249027950824505]
我々は、モデル選択に影響を及ぼす可能性のある重要な要因の観点から、複数のモデリング問題に対して異なるモデリングアプローチを体系的に比較する。
その結果,非凝集性予測性能が最も高いモデルでは,行動指標やアグリゲーションモードのシェアが低下することが示唆された。
MNLモデルは様々な状況において堅牢に機能するが、ML手法はWillingness to Payのような行動指標の推定を改善することができる。
論文 参考訳（メタデータ） (2023-01-11T11:10:32Z) - Empirical Analysis of Model Selection for Heterogeneous Causal Effect Estimation [24.65301562548798]
本研究では,因果推論におけるモデル選択の問題,特に条件付き平均処理効果(CATE)の推定について検討する。
本研究では,本研究で導入されたサロゲートモデル選択指標と,本研究で導入された新しい指標のベンチマークを行う。
論文 参考訳（メタデータ） (2022-11-03T16:26:06Z) - Interpretable Models Capable of Handling Systematic Missingness in
Imbalanced Classes and Heterogeneous Datasets [0.0]
解釈可能な機械学習技術の医療データセットへの応用は、データのより深い洞察を得るとともに、早期かつ迅速な診断を容易にする。
医療データセットは、異種測定、サンプルサイズが制限された不均衡クラス、欠落データなどの一般的な問題に直面している。
本稿では,これらの問題に対処可能なプロトタイプベース (PB) 解釈モデル群を提案する。
論文 参考訳（メタデータ） (2022-06-04T20:20:39Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - A multi-stage machine learning model on diagnosis of esophageal
manometry [50.591267188664666]
このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。
これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
論文 参考訳（メタデータ） (2021-06-25T20:09:23Z) - Adversarial Sample Enhanced Domain Adaptation: A Case Study on
Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。
逆生成したサンプルはドメイン適応時に使用される。
その結果,本手法の有効性とタスクの一般性が確認された。
論文 参考訳（メタデータ） (2021-01-13T03:20:20Z) - Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype
Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。
新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。
我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文 参考訳（メタデータ） (2020-09-02T02:50:30Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳（メタデータ） (2020-06-11T17:29:53Z)
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。