論文の概要: A Two-Stage Algorithm for Cost-Efficient Multi-instance Counterfactual
Explanations
- arxiv url: http://arxiv.org/abs/2403.01221v1
- Date: Sat, 2 Mar 2024 14:30:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-05 14:38:31.302316
- Title: A Two-Stage Algorithm for Cost-Efficient Multi-instance Counterfactual
Explanations
- Title(参考訳): コスト効率の高い複数インスタンス反事実説明のための二段階アルゴリズム
- Authors: Andr\'e Artelt and Andreas Gregoriades
- Abstract要約: 本稿では,コスト効率のよいマルチインスタンス対実的説明とともに,インスタンス群を見つけるための柔軟な2段階アルゴリズムを提案する。
これは、ほとんどの過去の研究において、そのようなグループを見つけるという側面は対処されないという事実によって動機づけられている。
- 参考スコア(独自算出の注目度): 2.44755919161855
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Counterfactual explanations constitute among the most popular methods for
analyzing the predictions of black-box systems since they can recommend
cost-efficient and actionable changes to the input to turn an undesired
system's output into a desired output. While most of the existing
counterfactual methods explain a single instance, several real-world use cases,
such as customer satisfaction, require the identification of a single
counterfactual that can satisfy multiple instances (e.g. customers)
simultaneously. In this work, we propose a flexible two-stage algorithm for
finding groups of instances along with cost-efficient multi-instance
counterfactual explanations. This is motivated by the fact that in most
previous works the aspect of finding such groups is not addressed.
- Abstract(参考訳): ブラックボックスシステムの予測を解析する最も一般的な手法は、望ましくないシステムの出力を望ましい出力に変換するために、コスト効率と動作可能な入力変更を推奨できるためである。
既存のカウンターファクトの手法のほとんどは単一のインスタンスを説明するが、顧客の満足度などいくつかの実世界のユースケースでは、複数のインスタンス(例えば顧客)を同時に満たすことのできる単一のカウンターファクトの識別が必要である。
本研究では,コスト効率のよいマルチインスタンス対実的説明とともに,インスタンス群を見つけるための柔軟な2段階アルゴリズムを提案する。
これは、以前のほとんどの作品ではそのような群を見つけるという側面が解決されていないという事実に動機づけられている。
関連論文リスト
- Achieving Diversity in Counterfactual Explanations: a Review and
Discussion [3.6066164404432883]
XAI(Explainable Artificial Intelligence)の分野では、ユーザに対して、トレーニングされた決定モデルの予測を偽物例で説明する。
本稿では、この多様性の概念のために提案された多くの、時には矛盾する定義についてレビューする。
論文 参考訳(メタデータ) (2023-05-10T02:09:19Z) - Explanation Selection Using Unlabeled Data for Chain-of-Thought
Prompting [80.9896041501715]
非専門家によって書かれたオフ・ザ・シェルフの説明のように、タスクのために"チューニング"されていない説明は、中途半端なパフォーマンスをもたらす可能性がある。
本稿では,ブラックボックス方式で説明拡散プロンプトを最適化する方法の課題に対処する。
論文 参考訳(メタデータ) (2023-02-09T18:02:34Z) - Explaining Results of Multi-Criteria Decision Making [2.059757035257655]
本稿では,WSM や AHP など,様々な線形および階層的多重基準決定(MCDM)技術の結果を説明する手法を提案する。
2つの主要なアイデアは、(A)これらのテクニックによって操作された値のきめ細かい表現を維持すること、(B)マージ、フィルタリング、集約操作を通じてこれらの表現から説明を引き出すことである。
論文 参考訳(メタデータ) (2022-09-10T03:27:35Z) - Dynamic Proposals for Efficient Object Detection [48.66093789652899]
本稿では,オブジェクト検出のための動的提案を生成することによって,異なる計算資源に適応する簡易かつ効果的な手法を提案する。
提案手法は,2段階モデルと問合せモデルを含む広範囲な検出モデルにおいて,大幅な高速化を実現する。
論文 参考訳(メタデータ) (2022-07-12T01:32:50Z) - An Additive Instance-Wise Approach to Multi-class Model Interpretation [53.87578024052922]
解釈可能な機械学習は、ブラックボックスシステムの特定の予測を駆動する要因に関する洞察を提供する。
既存の手法は主に、局所的な加法的あるいはインスタンス的なアプローチに従う説明的入力特徴の選択に重点を置いている。
本研究は,両手法の長所を生かし,複数の対象クラスに対する局所的な説明を同時に学習するためのグローバルフレームワークを提案する。
論文 参考訳(メタデータ) (2022-07-07T06:50:27Z) - Paragraph-based Transformer Pre-training for Multi-Sentence Inference [99.59693674455582]
マルチ候補推論タスクの微調整に使用する場合,一般的な事前学習型トランスフォーマーは性能が良くないことを示す。
次に、複数の入力文にまたがる段落レベルの意味をモデル化する新しい事前学習目標を提案する。
論文 参考訳(メタデータ) (2022-05-02T21:41:14Z) - Budgeted Classification with Rejection: An Evolutionary Method with
Multiple Objectives [0.0]
予算付きシーケンシャル分類器(BSC)プロセスは、部分的特徴取得と評価ステップのシーケンスを通じて入力を行う。
これにより、不要な特徴取得を防止するための入力の効率的な評価が可能になる。
本稿では,信頼度に基づく拒否オプション付き逐次分類器を構築するための問題固有遺伝的アルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-05-01T22:05:16Z) - Consequence-aware Sequential Counterfactual Generation [5.71097144710995]
逐次的反事実生成のためのモデル非依存手法を提案する。
私たちのアプローチは、コストの少ないソリューションを生み出し、より効率的で、ユーザが選択するさまざまなソリューションセットを提供します。
論文 参考訳(メタデータ) (2021-04-12T16:10:03Z) - Sparse-Interest Network for Sequential Recommendation [78.83064567614656]
本稿では,シーケンシャルレコメンデーションのためのtextbfSparse textbfInterest textbfNEtwork(SINE)を提案する。
我々のスパース関心モジュールは、大きなコンセプトプールから各ユーザに対してスパースの概念セットを適応的に推測することができる。
SINEは最先端の手法よりも大幅に改善できる。
論文 参考訳(メタデータ) (2021-02-18T11:03:48Z) - Joint Contrastive Learning with Infinite Possibilities [114.45811348666898]
本稿では,新しい確率論的モデリングによるコントラスト学習における最近の発展の有用性について考察する。
コントラスト学習(Joint Contrastive Learning, JCL)という,コントラスト学習の特定の形態を導出する。
論文 参考訳(メタデータ) (2020-09-30T16:24:21Z) - Multi-Objective Counterfactual Explanations [0.7349727826230864]
本稿では, 対物探索を多目的最適化問題に変換する多目的対物法 (MOC) を提案する。
我々のアプローチは、提案する目的間のトレードオフの異なる多様な対策セットを返却するだけでなく、特徴空間における多様性も維持する。
論文 参考訳(メタデータ) (2020-04-23T13:56:39Z)
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。