論文の概要: Distributional Counterfactual Explanations With Optimal Transport
- arxiv url: http://arxiv.org/abs/2401.13112v4
- Date: Fri, 04 Oct 2024 13:23:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-07 18:20:24.258019
- Title: Distributional Counterfactual Explanations With Optimal Transport
- Title(参考訳): 最適輸送による分散対物的説明
- Authors: Lei You, Lele Cao, Mattias Nilsson, Bo Zhao, Lei Lei,
- Abstract要約: 対実的説明 (CE) は、ブラックボックスの意思決定モデルに関する洞察を提供するための事実上の方法である。
本稿では,観測データの分布特性に焦点を移すDCE(distributal counterfactual explanation)を提案する。
- 参考スコア(独自算出の注目度): 7.597676579494146
- License:
- Abstract: Counterfactual explanations (CE) are the de facto method for providing insights into black-box decision-making models by identifying alternative inputs that lead to different outcomes. However, existing CE approaches, including group and global methods, focus predominantly on specific input modifications, lacking the ability to capture nuanced distributional characteristics that influence model outcomes across the entire input-output spectrum. This paper proposes distributional counterfactual explanation (DCE), shifting focus to the distributional properties of observed and counterfactual data, thus providing broader insights. DCE is particularly beneficial for stakeholders making strategic decisions based on statistical data analysis, as it makes the statistical distribution of the counterfactual resembles the one of the factual when aligning model outputs with a target distribution\textemdash something that the existing CE methods cannot fully achieve. We leverage optimal transport (OT) to formulate a chance-constrained optimization problem, deriving a counterfactual distribution aligned with its factual counterpart, supported by statistical confidence. The efficacy of this approach is demonstrated through experiments, highlighting its potential to provide deeper insights into decision-making models.
- Abstract(参考訳): 対実的説明 (CE) は、異なる結果をもたらす代替入力を特定することによってブラックボックス決定モデルに対する洞察を提供するデファクト手法である。
しかし、グループやグローバルな手法を含む既存のCEアプローチは、主に特定の入力修正に焦点を当てており、入力出力スペクトル全体にわたるモデル結果に影響を与える微妙な分布特性をキャプチャする能力が欠如している。
本稿では, 分布的対実的説明(DCE)を提案し, 観測データと反実的データの分布特性に焦点を移し, より広範な洞察を与える。
DCEは、統計データ分析に基づいて戦略的決定を行うステークホルダーにとって特に有益であり、既存のCEメソッドが完全に達成できないような、モデル出力と目標分布とを整合させるときの事実の1つに、カウンターファクトリーの統計的分布を類似させる。
我々は、最適輸送(OT)を利用して、確率制約付き最適化問題を定式化し、統計的信頼度に支えられ、その事実と整合した反実分布を導出する。
このアプローチの有効性は実験を通じて実証され、意思決定モデルに関する深い洞察を提供する可能性を強調している。
関連論文リスト
- Informativeness of Weighted Conformal Prediction [3.1717575440579617]
本稿では,重み付き共形予測の有意性を高める2つの方法を提案する。
提案手法の理論的保証を確立し,シミュレーションによる有効性を示す。
論文 参考訳(メタデータ) (2024-05-10T13:55:08Z) - Distributed Markov Chain Monte Carlo Sampling based on the Alternating
Direction Method of Multipliers [143.6249073384419]
本論文では,乗算器の交互方向法に基づく分散サンプリング手法を提案する。
我々は,アルゴリズムの収束に関する理論的保証と,その最先端性に関する実験的証拠の両方を提供する。
シミュレーションでは,線形回帰タスクとロジスティック回帰タスクにアルゴリズムを配置し,その高速収束を既存の勾配法と比較した。
論文 参考訳(メタデータ) (2024-01-29T02:08:40Z) - Towards Context-Aware Domain Generalization: Understanding the Benefits
and Limits of Marginal Transfer Learning [1.5320861212113897]
我々は、コンテキストの概念をデータポイントの集合の置換不変表現として定式化する。
経験的分析により、我々の基準は好ましくないシナリオと好ましくないシナリオの両方を識別するのに有効であることが示された。
論文 参考訳(メタデータ) (2023-12-15T05:18:07Z) - Rethinking and Benchmarking Predict-then-Optimize Paradigm for
Combinatorial Optimization Problems [62.25108152764568]
多くのWebアプリケーションは、エネルギーコストを考慮したスケジューリング、Web広告の予算配分、ソーシャルネットワークでのグラフマッチングなど、最適化問題の解決に頼っている。
統一システムにおける予測と意思決定の性能について考察する。
我々は、現在のアプローチを包括的に分類し、既存の実験シナリオを統合する。
論文 参考訳(メタデータ) (2023-11-13T13:19:34Z) - Statistical Inference Under Constrained Selection Bias [20.862583584531322]
本稿では,選択バイアスが存在する場合の統計的推測を可能にする枠組みを提案する。
出力は、目標分布に対する推定値に対する高確率境界である。
我々はこれらの境界を推定するための手法の計算的および統計的特性を分析し、これらの手法が様々なシミュレートされた半合成的なタスクに対して情報的境界を生成可能であることを示す。
論文 参考訳(メタデータ) (2023-06-05T23:05:26Z) - Learning Unbiased Transferability for Domain Adaptation by Uncertainty
Modeling [107.24387363079629]
ドメイン適応は、ラベル付けされたソースドメインからラベル付けされていない、あるいはラベル付けされていないが関連するターゲットドメインに知識を転送することを目的としています。
ソース内のアノテートされたデータの量とターゲットドメインとの間の不均衡のため、ターゲットの分布のみがソースドメインにアライメントされる。
本稿では,非暴力的非暴力的移動可能性推定プラグイン(UTEP)を提案し,非暴力的移動を最適化するDA法において,識別器の不確実性をモデル化する。
論文 参考訳(メタデータ) (2022-06-02T21:58:54Z) - Personalized Trajectory Prediction via Distribution Discrimination [78.69458579657189]
トラリミー予測は将来の力学のマルチモーダルな性質を捉えるジレンマと対立する。
本研究では,パーソナライズされた動作パターンを予測するDisDisDis(Disdis)手法を提案する。
本手法は,プラグイン・アンド・プレイモジュールとして既存のマルチモーダル予測モデルと統合することができる。
論文 参考訳(メタデータ) (2021-07-29T17:42:12Z) - Robustifying Conditional Portfolio Decisions via Optimal Transport [19.30689697702845]
副次情報,条件推定,ロバスト性を統合したデータ駆動型ポートフォリオ選択モデルを提案する。
側情報問題による分散ロバストなポートフォリオ割り当ては,有限次元最適化問題として再構成可能であることを示す。
論文 参考訳(メタデータ) (2021-03-30T15:56:03Z) - Generalization Properties of Optimal Transport GANs with Latent
Distribution Learning [52.25145141639159]
本研究では,潜伏分布とプッシュフォワードマップの複雑さの相互作用が性能に与える影響について検討する。
我々の分析に感銘を受けて、我々はGANパラダイム内での潜伏分布とプッシュフォワードマップの学習を提唱した。
論文 参考訳(メタデータ) (2020-07-29T07:31:33Z) - Multi-source Domain Adaptation via Weighted Joint Distributions Optimal
Transport [35.37752209765114]
未ラベルのターゲットデータセットに対するドメイン適応に対する新しいアプローチを提案する。
我々は,対象タスクの重み付けを手元に調整することで,ソース分布の多様性を利用する。
Weighted Joint Distribution Optimal Transport (WJDOT) と名付けられた本手法は,ソースとターゲットの分布の最適輸送に基づくアライメントを同時に見つけることを目的としている。
論文 参考訳(メタデータ) (2020-06-23T12:33:30Z) - Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。
これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。
おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
論文 参考訳(メタデータ) (2020-02-17T19:23:36Z)
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。