論文の概要: Dual feature-based and example-based explanation methods

• arxiv url: http://arxiv.org/abs/2401.16294v1
• Date: Mon, 29 Jan 2024 16:53:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-30 14:03:58.405127
• Title: Dual feature-based and example-based explanation methods
• Title（参考訳）: 二重特徴量と例に基づく説明法
• Authors: Andrei V. Konstantinov, Boris V. Kozlov, Stanislav R. Kirpichenko, and Lev V. Utkin
• Abstract要約: 地域的・グローバルな説明に対する新たなアプローチが提案されている。 これは、説明されたインスタンスの周りの有限個の点に対して構築された凸包を選択することに基づいている。 提案されたアルゴリズムのコードは利用可能である。
• 参考スコア（独自算出の注目度）: 2.024925013349319
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A new approach to the local and global explanation is proposed. It is based on selecting a convex hull constructed for the finite number of points around an explained instance. The convex hull allows us to consider a dual representation of instances in the form of convex combinations of extreme points of a produced polytope. Instead of perturbing new instances in the Euclidean feature space, vectors of convex combination coefficients are uniformly generated from the unit simplex, and they form a new dual dataset. A dual linear surrogate model is trained on the dual dataset. The explanation feature importance values are computed by means of simple matrix calculations. The approach can be regarded as a modification of the well-known model LIME. The dual representation inherently allows us to get the example-based explanation. The neural additive model is also considered as a tool for implementing the example-based explanation approach. Many numerical experiments with real datasets are performed for studying the approach. The code of proposed algorithms is available.
• Abstract（参考訳）: 地域的およびグローバル的説明への新しいアプローチを提案する。 これは、説明されたインスタンスの周りの有限個の点に対して構築された凸包を選択することに基づいている。 凸包(convex hull)は、生成されたポリトープの極点の凸結合の形でインスタンスの双対表現を考えることができる。 ユークリッド特徴空間における新しいインスタンスを摂動する代わりに、凸結合係数のベクトルは単位単純集合から一様に生成され、新しい二重データセットを形成する。 双対線形サロゲートモデルは、双対データセット上で訓練される。 説明特徴重要値は、単純な行列計算によって計算される。 このアプローチは、よく知られたモデル LIME の修正と見なすことができる。 二重表現は、本質的に例に基づく説明を得ることができます。 ニューラル加算モデルは、例ベースの説明手法を実装するためのツールとしても考えられている。 このアプローチを研究するために、実データを用いた多くの数値実験が行われる。 提案アルゴリズムのコードは利用可能である。

関連論文リスト

• Generative Unfolding with Distribution Mapping [0.0837622912636323]
  モデルが正しい条件付き確率を学習できるように、2つのモーフィング手法、Schr"odinger Bridges と Direct Diffusion を拡張する方法を示す。 結果は、Z + 2-jetsの22次元位相空間を記述する新しいデータセットと同様に、単一のジェットサブ構造の標準ベンチマークデータセットで示される。
  論文  参考訳（メタデータ） (2024-11-04T19:00:01Z)
• Efficient Fairness-Performance Pareto Front Computation [51.558848491038916]
  最適公正表現はいくつかの有用な構造特性を持つことを示す。 そこで,これらの近似問題は,凹凸プログラミング法により効率的に解けることを示す。
  論文  参考訳（メタデータ） (2024-09-26T08:46:48Z)
• Sample Complexity Characterization for Linear Contextual MDPs [67.79455646673762]
  文脈決定プロセス(CMDP)は、遷移カーネルと報酬関数がコンテキスト変数によってインデックス付けされた異なるMDPで時間とともに変化できる強化学習のクラスを記述する。 CMDPは、時間とともに変化する環境で多くの現実世界のアプリケーションをモデル化するための重要なフレームワークとして機能する。 CMDPを2つの線形関数近似モデルで検討する: 文脈変化表現とすべての文脈に対する共通線形重み付きモデルIと、すべての文脈に対する共通表現と文脈変化線形重み付きモデルIIである。
  論文  参考訳（メタデータ） (2024-02-05T03:25:04Z)
• Semi-Supervised Subspace Clustering via Tensor Low-Rank Representation [64.49871502193477]
  本稿では,初期監視情報を同時に拡張し,識別親和性行列を構築することのできる,新しい半教師付きサブスペースクラスタリング手法を提案する。 6つの一般的なベンチマークデータセットの総合的な実験結果から,本手法が最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-05-21T01:47:17Z)
• Eigencontours: Novel Contour Descriptors Based on Low-Rank Approximation [40.13463458124477]
  等角行列を最高階数-M近似により固有等角行列に分解する。 M 固有輪郭の線形結合により対象境界を表現する。 提案アルゴリズムは,インスタンスセグメンテーションデータセット上で有意義な性能を示す。
  論文  参考訳（メタデータ） (2022-03-29T06:14:38Z)
• EiGLasso for Scalable Sparse Kronecker-Sum Inverse Covariance Estimation [1.370633147306388]
  我々はKronecker-sum逆共分散推定のための高度にスケーラブルなKronecker-sum逆共分散推定法であるEeiGLassoを紹介する。 EiGLassoは既存の手法に比べて2～3桁の速度アップを実現していることを示す。
  論文  参考訳（メタデータ） (2021-05-20T16:22:50Z)
• Hybrid Trilinear and Bilinear Programming for Aligning Partially Overlapping Point Sets [85.71360365315128]
  多くの応用において、部分重なり合う点集合が対応するRPMアルゴリズムに不変であるようなアルゴリズムが必要である。 まず、目的が立方体有界関数であることを示し、次に、三線型および双線型単相変換の凸エンベロープを用いて、その下界を導出する。 次に、変換変数上の分岐のみを効率よく実行するブランチ・アンド・バウンド(BnB)アルゴリズムを開発する。
  論文  参考訳（メタデータ） (2021-01-19T04:24:23Z)
• Interpretable Machine Learning with an Ensemble of Gradient Boosting Machines [5.482532589225552]
  勾配昇降機(GBM)のアンサンブルを用いた手法 合成および実データセットに提案手法を実装したアルゴリズムを用いた数値実験は、局所的および大域的解釈の効率性と特性を実証する。
  論文  参考訳（メタデータ） (2020-10-14T20:18:40Z)
• Model Fusion with Kullback--Leibler Divergence [58.20269014662046]
  異種データセットから学習した後続分布を融合する手法を提案する。 我々のアルゴリズムは、融合モデルと個々のデータセット後部の両方に対する平均場仮定に依存している。
  論文  参考訳（メタデータ） (2020-07-13T03:27:45Z)
• The data-driven physical-based equations discovery using evolutionary approach [77.34726150561087]
  与えられた観測データから数学的方程式を発見するアルゴリズムについて述べる。 このアルゴリズムは遺伝的プログラミングとスパース回帰を組み合わせたものである。 解析方程式の発見や偏微分方程式(PDE)の発見にも用いられる。
  論文  参考訳（メタデータ） (2020-04-03T17:21:57Z)
• Convex Shape Representation with Binary Labels for Image Segmentation: Models and Fast Algorithms [7.847719964338735]
  凸形状の新規かつ効果的なバイナリ表現を提案する。 形状凸性と関連する指標関数のいくつかの性質との等価性を示す。
  論文  参考訳（メタデータ） (2020-02-22T01:55:20Z)

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。