論文の概要: Towards Interpreting Multi-Objective Feature Associations
- arxiv url: http://arxiv.org/abs/2403.00017v1
- Date: Wed, 28 Feb 2024 02:24:04 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-05 23:17:51.115984
- Title: Towards Interpreting Multi-Objective Feature Associations
- Title(参考訳): 多目的特徴協会の解釈に向けて
- Authors: Nisha Pillai, Ganga Gireesan, Michael J. Rothrock Jr., Bindu Nanduri,
Zhiqian Chen, Mahalingam Ramkumar
- Abstract要約: 農業環境における特徴の最適な組み合わせを見つけるために,多ラベルを用いた客観的な特徴相互作用を提案する。
その結果、説明に基づくアプローチは、ベースライン未満の病原体の存在を減少させる特徴の組み合わせを識別できることが示唆された。
- 参考スコア(独自算出の注目度): 5.794844059546945
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding how multiple features are associated and contribute to a
specific objective is as important as understanding how each feature
contributes to a particular outcome. Interpretability of a single feature in a
prediction may be handled in multiple ways; however, in a multi-objective
prediction, it is difficult to obtain interpretability of a combination of
feature values. To address this issue, we propose an objective specific feature
interaction design using multi-labels to find the optimal combination of
features in agricultural settings. One of the novel aspects of this design is
the identification of a method that integrates feature explanations with global
sensitivity analysis in order to ensure combinatorial optimization in
multi-objective settings. We have demonstrated in our preliminary experiments
that an approximate combination of feature values can be found to achieve the
desired outcome using two agricultural datasets: one with pre-harvest poultry
farm practices for multi-drug resistance presence, and one with post-harvest
poultry farm practices for food-borne pathogens. In our combinatorial
optimization approach, all three pathogens are taken into consideration
simultaneously to account for the interaction between conditions that favor
different types of pathogen growth. These results indicate that
explanation-based approaches are capable of identifying combinations of
features that reduce pathogen presence in fewer iterations than a baseline.
- Abstract(参考訳): 複数の機能がどのように関連付けられ、特定の目的に寄与するかを理解することは、各機能が特定の結果にどのように寄与するかを理解するのと同じくらい重要である。
予測における単一特徴の解釈可能性については,複数の方法で扱うことができるが,多目的予測では特徴値の組み合わせの解釈可能性を得るのが困難である。
そこで本研究では,マルチラベルを用いた客観的特徴対話設計法を提案し,農業環境における特徴の最適組み合わせを求める。
この設計の新たな側面の1つは、多目的設定における組合せ最適化を保証するために、特徴説明とグローバル感度分析を統合する手法の同定である。
予備実験では,多剤耐性下での養殖前農法と,食品由来の病原菌に対する養殖後農法という2つの農業データセットを用いて,特徴値の近似組み合わせが望ましい結果を得ることができた。
組み合わせ最適化手法では,3つの病原体を同時に考慮し,異なる種類の病原体の成長を好む条件間の相互作用を考慮した。
これらの結果は、説明に基づくアプローチは、ベースラインよりも少ないイテレーションで病原体の存在を減少させる特徴の組み合わせを識別できることを示している。
関連論文リスト
- Bayesian Joint Additive Factor Models for Multiview Learning [7.254731344123118]
マルチオミクスデータが収集され、臨床結果と相関する精度医学の文脈でモチベーション応用が生じる。
本稿では,共有およびビュー固有のコンポーネントを考慮に入れた,構造化された付加的設計を伴うJAFAR(Joint Additive Factor regression model)を提案する。
免疫,メタボローム,プロテオームデータから得られた時間とラベルの発症の予測は,最先端の競合相手に対するパフォーマンス向上を示す。
論文 参考訳(メタデータ) (2024-06-02T15:35:45Z) - Unifying Feature and Cost Aggregation with Transformers for Semantic and Visual Correspondence [51.54175067684008]
本稿では,高密度マッチングタスク用に設計されたTransformerベースの積分機能とコスト集約ネットワークを提案する。
まず, 特徴集約とコスト集約が異なる特徴を示し, 双方の集約プロセスの司法的利用から生じる実質的な利益の可能性を明らかにした。
本フレームワークは意味マッチングのための標準ベンチマークで評価され,また幾何マッチングにも適用された。
論文 参考訳(メタデータ) (2024-03-17T07:02:55Z) - Enhancing Neural Subset Selection: Integrating Background Information into Set Representations [53.15923939406772]
対象値が入力集合とサブセットの両方に条件付けされている場合、スーパーセットのテクスティ不変な統計量を関心のサブセットに組み込むことが不可欠であることを示す。
これにより、出力値がサブセットとその対応するスーパーセットの置換に不変であることを保証する。
論文 参考訳(メタデータ) (2024-02-05T16:09:35Z) - Automated Model Selection for Tabular Data [0.1797555376258229]
Rの混合効果線形モデルライブラリは、モデル設計において対話的な機能の組み合わせを提供することができる。
特徴的相互作用を取り入れたデータセットの予測のためのモデル選択プロセスを自動化することを目的としている。
このフレームワークには、優先順位に基づくランダムグリッド検索とグレディ検索という、2つの異なる機能選択のアプローチが含まれている。
論文 参考訳(メタデータ) (2024-01-01T21:41:20Z) - A metaheuristic multi-objective interaction-aware feature selection
method [5.28539620288341]
本稿では,いくつかの利点を有する新しい多目的特徴選択法を提案する。
高度な確率スキームを用いて特徴間の相互作用を考察する。
提案手法は,提案した確率スキームを用いて,より有望な子孫を生成する。
論文 参考訳(メタデータ) (2022-11-10T08:56:48Z) - PropertyDAG: Multi-objective Bayesian optimization of partially ordered,
mixed-variable properties for biological sequence design [42.92794039060737]
本稿では,従来の多目的BO上で動作するフレームワークであるPropertyDAGを紹介する。
ペニシリン生産タスク,おもちゃの数値問題,実世界の抗体設計タスクにおいて,複数のシミュレーションされた能動学習繰り返しの性能を示す。
論文 参考訳(メタデータ) (2022-10-08T19:42:16Z) - On Inductive Biases for Heterogeneous Treatment Effect Estimation [91.3755431537592]
我々は、異なる治療下で、個人の潜在的成果(PO)の構造的類似性を利用する方法について検討する。
この問題を克服するために、エンドツーエンドの学習戦略を3つ比較する。
論文 参考訳(メタデータ) (2021-06-07T16:30:46Z) - Self-Supervised Multimodal Domino: in Search of Biomarkers for
Alzheimer's Disease [19.86082635340699]
自己監督型表現学習アルゴリズムを編成する合理的な方法の分類法を提案する。
まず,おもちゃのマルチモーダルMNISTデータセットのモデルを評価し,アルツハイマー病患者を用いたマルチモーダル・ニューロイメージングデータセットに適用した。
提案手法は,従来の自己教師付きエンコーダデコーダ法よりも優れていた。
論文 参考訳(メタデータ) (2020-12-25T20:28:13Z) - Combining Task Predictors via Enhancing Joint Predictability [53.46348489300652]
そこで本研究では,目標予測能力に基づいて参照の関連性を測定し,その関連性を高めるための新しい予測器組合せアルゴリズムを提案する。
提案アルゴリズムはベイズフレームワークを用いて,すべての参照の関連性について共同で評価する。
視覚属性ランキングとマルチクラス分類シナリオから得られた実世界の7つのデータセットの実験に基づいて,本アルゴリズムが性能向上に寄与し,既存の予測器の組み合わせアプローチの適用範囲を広くすることを示した。
論文 参考訳(メタデータ) (2020-07-15T21:58:39Z) - A Trainable Optimal Transport Embedding for Feature Aggregation and its
Relationship to Attention [96.77554122595578]
固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。
我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
論文 参考訳(メタデータ) (2020-06-22T08:35:58Z) - Adaptive Object Detection with Dual Multi-Label Prediction [78.69064917947624]
本稿では,適応オブジェクト検出のための新しいエンド・ツー・エンドの非教師付き深部ドメイン適応モデルを提案する。
モデルはマルチラベル予測を利用して、各画像内の対象カテゴリ情報を明らかにする。
本稿では,オブジェクト検出を支援するための予測整合正則化機構を提案する。
論文 参考訳(メタデータ) (2020-03-29T04:23:22Z)
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。