論文の概要: On the influence of dependent features in classification problems: a game-theoretic perspective

• arxiv url: http://arxiv.org/abs/2408.02481v1
• Date: Mon, 5 Aug 2024 14:02:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-06 13:26:57.539845
• Title: On the influence of dependent features in classification problems: a game-theoretic perspective
• Title（参考訳）: 分類問題における依存的特徴の影響--ゲーム理論の視点から
• Authors: Laura Davila-Pena, Alejandro Saavedra-Nieves, Balbina Casas-Méndez,
• Abstract要約: 本稿では,各特徴が分類問題における応答変数に与える影響を,新たな尺度として扱う。 特定の特徴を特徴とする個体のサンプルを考察し、各特徴は有限範囲の値を含み、二値応答変数に基づいて分類する。
• 参考スコア（独自算出の注目度）: 46.1232919707345
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper deals with a new measure of the influence of each feature on the response variable in classification problems, accounting for potential dependencies among certain feature subsets. Within this framework, we consider a sample of individuals characterized by specific features, each feature encompassing a finite range of values, and classified based on a binary response variable. This measure turns out to be an influence measure explored in existing literature and related to cooperative game theory. We provide an axiomatic characterization of our proposed influence measure by tailoring properties from the cooperative game theory to our specific context. Furthermore, we demonstrate that our influence measure becomes a general characterization of the well-known Banzhaf-Owen value for games with a priori unions, from the perspective of classification problems. The definitions and results presented herein are illustrated through numerical examples and various applications, offering practical insights into our methodologies.
• Abstract（参考訳）: 本稿では,各特徴が分類問題における応答変数に与える影響を,特定の特徴部分集合間の潜在的な依存性を考慮に入れた新しい尺度について検討する。 本フレームワークでは,各特徴が有限範囲の値を含み,バイナリ応答変数に基づいて分類される,特定の特徴を特徴とする個体のサンプルを考察する。 この尺度は、既存の文献で調べられ、協調ゲーム理論に関連する影響尺度であることが判明した。 協調ゲーム理論から具体的文脈への特性の調整により,提案した影響尺度の公理的特徴付けを行う。 さらに、我々の影響尺度が、分類問題の観点から、事前結合を持つゲームにおいてよく知られたバンジャフ=オウェン値の一般的な特徴付けとなることを示す。 本報告では, 数値例および各種応用例を用いて, 本手法に関する実践的な知見を提示する。

関連論文リスト

• Normalization in Proportional Feature Spaces [49.48516314472825]
  データ表現、特徴付け、可視化、分析、比較、分類、モデリングにおいて、正規化は重要な中心的な役割を果たす。 適切な正規化手法の選択は、関連する特徴の種類と特徴を考慮する必要がある。
  論文  参考訳（メタデータ） (2024-09-17T17:46:27Z)
• Estimating the Causal Effects of Natural Logic Features in Transformer-Based NLI Models [16.328341121232484]
  文脈介入の効果を測定するために因果効果推定手法を適用した。 本研究はトランスフォーマーの無関係な変化に対する堅牢性と影響の高い変化に対する感受性について検討する。
  論文  参考訳（メタデータ） (2024-04-03T10:22:35Z)
• Nonparametric Partial Disentanglement via Mechanism Sparsity: Sparse Actions, Interventions and Sparse Temporal Dependencies [58.179981892921056]
  この研究は、メカニズムのスパーシティ正則化(英語版)と呼ばれる、アンタングルメントの新たな原理を導入する。 本稿では,潜在要因を同時に学習することで,絡み合いを誘発する表現学習手法を提案する。 学習した因果グラフをスパースに規則化することにより、潜伏因子を復元できることを示す。
  論文  参考訳（メタデータ） (2024-01-10T02:38:21Z)
• On the Joint Interaction of Models, Data, and Features [82.60073661644435]
  本稿では,データとモデル間の相互作用を実験的に解析する新しいツールであるインタラクションテンソルを紹介する。 これらの観測に基づいて,特徴学習のための概念的枠組みを提案する。 この枠組みの下では、一つの仮説に対する期待された精度と一対の仮説に対する合意はどちらも閉形式で導出することができる。
  論文  参考訳（メタデータ） (2023-06-07T21:35:26Z)
• The Weighted M\"obius Score: A Unified Framework for Feature Attribution [17.358276581599643]
  特徴属性は、各特徴が予測に与える影響を特定することによって、ブラックボックスモデルの予測の背後にある理由を説明することを目的としている。 統一されたフレームワークの欠如は、直接的に比較できないメソッドの急増につながった。 本稿では,パラメータ化属性フレームワークである重み付きM"obius Scoreを提案する。
  論文  参考訳（メタデータ） (2023-05-16T06:27:27Z)
• A Notion of Feature Importance by Decorrelation and Detection of Trends by Random Forest Regression [1.675857332621569]
  本稿では,よく研究されたGram-Schmidt decorrelation法に基づく特徴重要度の概念を導入する。 本研究では,ランダムな森林回帰を用いてデータ中の傾向を推定する2つの推定手法を提案する。
  論文  参考訳（メタデータ） (2023-03-02T11:01:49Z)
• Discriminative Attribution from Counterfactuals [64.94009515033984]
  本稿では,特徴属性と反実的説明を組み合わせたニューラルネットワークの解釈可能性について述べる。 本手法は,特徴属性法の性能を客観的に評価するために有効であることを示す。
  論文  参考訳（メタデータ） (2021-09-28T00:53:34Z)
• Assessment of the influence of features on a classification problem: an application to COVID-19 patients [0.0]
  本稿では,それぞれの特徴が個体の分類に与える影響を評価する。 この影響の尺度は、協調ゲームのシェープリー値を用いて導入される。 いくつかの実験は、そのような測定の適切な性能を検証するために設計されている。
  論文  参考訳（メタデータ） (2021-04-09T20:02:05Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)
• On Irrelevance of Attributes in Flexible Prediction [0.0]
  本稿では,「フレキシブル予測」と呼ばれる漸進的概念形成法により得られた概念階層の特性を解析する。 簡単な属性と組み合わせた属性の選択,個々の属性のスケーリングと分布,およびそれらの相関強度の影響について検討した。
  論文  参考訳（メタデータ） (2020-05-25T08:41:48Z)

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。