論文の概要: Cooperative effects in feature importance of individual patterns: application to air pollutants and Alzheimer disease
- arxiv url: http://arxiv.org/abs/2508.00930v1
- Date: Wed, 30 Jul 2025 14:03:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-05 18:25:21.63137
- Title: Cooperative effects in feature importance of individual patterns: application to air pollutants and Alzheimer disease
- Title（参考訳）: 個別パターンの特徴的重要性における協調的効果--大気汚染物質とアルツハイマー病への応用
- Authors: M. Ontivero-Ortega, A. Fania, A. Lacalamita, R. Bellotti, A. Monaco, S. Stramaglia,
- Abstract要約: Local Hi-Fiは、回帰問題における特定の入力特徴を含む高次効果を解消する技術である。
本稿では,これらの3つのスコア(一意,冗長,シナジスティック)をデータセットの各パターンに割り当てる枠組みを提案する。
この結果から,局所的なHi-Fiは,複雑なシステムにおける高次関係を解析すると同時に,XAIの新たな視点を開放する,広範な適用性を示す有望なツールとして位置づけた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Leveraging recent advances in the analysis of synergy and redundancy in systems of random variables, an adaptive version of the widely used metric Leave One Covariate Out (LOCO) has been recently proposed to quantify cooperative effects in feature importance (Hi-Fi), a key technique in explainable artificial intelligence (XAI), so as to disentangle high-order effects involving a particular input feature in regression problems. Differently from standard feature importance tools, where a single score measures the relevance of each feature, each feature is here characterized by three scores, a two-body (unique) score and higher-order scores (redundant and synergistic). This paper presents a framework to assign those three scores (unique, redundant, and synergistic) to each individual pattern of the data set, while comparing it with the well-known measure of feature importance named {\it Shapley effect}. To illustrate the potential of the proposed framework, we focus on a One-Health application: the relation between air pollutants and Alzheimer's disease mortality rate. Our main result is the synergistic association between features related to $O_3$ and $NO_2$ with mortality, especially in the provinces of Bergamo e Brescia; notably also the density of urban green areas displays synergistic influence with pollutants for the prediction of AD mortality. Our results place local Hi-Fi as a promising tool of wide applicability, which opens new perspectives for XAI as well as to analyze high-order relationships in complex systems.
- Abstract（参考訳）: 確率変数系における相乗効果と冗長性の解析の最近の進歩を生かして、広く使われている指標の適応版であるLeave One Covariate Out (LOCO) が最近提案され、特徴重要度における協調効果(Hi-Fi)を定量化し、回帰問題における特定の入力特徴を含む高次効果を解き放つために、説明可能な人工知能(XAI)のキー技術である。
1つのスコアがそれぞれの特徴の関連性を測定する標準的な特徴重要ツールとは違って、それぞれの特徴は3つのスコア、2つのボディ(一意)スコアと高次のスコア(冗長性と相乗効果)によって特徴づけられる。
本稿では,これらの3つのスコア(特異性,冗長性,シナジスティック性)をデータセットの各パターンに割り当てる枠組みを提案する。
提案フレームワークの可能性を説明するために, 大気汚染物質とアルツハイマー病死亡率との関係を, ワンヘルス・アプリケーションに焦点をあてる。
特にベルガモ・エ・ブレシア州では,AD死亡予測のための汚染物質との相乗効果が顕著である。
この結果から,局所的なHi-Fiは,複雑なシステムにおける高次関係を解析すると同時に,XAIの新たな視点を開放する,広範な適用性を示す有望なツールとして位置づけた。
関連論文リスト
- Information-theoretic Quantification of High-order Feature Effects in Classification Problems [0.19791587637442676]
特徴重要度(Hi-Fi)法における高次相互作用の情報理論拡張について述べる。
私たちのフレームワークは、機能のコントリビューションをユニークでシナジスティックで冗長なコンポーネントに分解します。
その結果,提案した推定器は理論的および予測された結果を正確に復元することがわかった。
論文 参考訳（メタデータ） (2025-07-06T11:50:30Z) - Fair Deepfake Detectors Can Generalize [51.21167546843708]
共同設立者(データ分散とモデルキャパシティ)の制御により,公正な介入による一般化が向上することを示す。
この知見を応用して, 逆正当性重み付けとサブグループワイド特徴正規化を併用し, 新たなアライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・インセンティブ・インターベンション・インベンション・インテクション(DAID)を提案する。
DAIDは、いくつかの最先端技術と比較して、公平性と一般化の両方において一貫して優れた性能を達成する
論文 参考訳（メタデータ） (2025-07-03T14:10:02Z) - Bayesian Hybrid Machine Learning of Gallstone Risk [0.0]
ギャルストーン病(Gallstone disease)は、世界的な健康上の重荷を負う複雑な多因子疾患である。
本稿では,ロバストな変数選択と高度な相互作用検出を統合したハイブリッド機械学習フレームワークを提案する。
この枠組みは, 予測を向上するだけでなく, 医療研究や意思決定に有用な支援ツールとして, 実用的な洞察も得られる。
論文 参考訳（メタデータ） (2025-06-17T14:19:02Z) - Enforcing Fundamental Relations via Adversarial Attacks on Input Parameter Correlations [76.2226569692207]
入力パラメータ間の相関は、多くの科学的分類タスクにおいて重要な役割を果たす。
我々はRandom Distribution Shuffle Attack (RDSA)と呼ばれる新たな敵攻撃アルゴリズムを提案する。
6つの分類課題においてRDSAの有効性を示す。
論文 参考訳（メタデータ） (2025-01-09T21:45:09Z) - An AI-powered Bayesian generative modeling approach for causal inference in observational studies [4.624176903641013]
CausalBGMはAIを利用したベイズ生成モデリングアプローチである。
低次元潜在特徴集合の個別分布を学習することにより、個別処理効果(ITE)を推定する。
論文 参考訳（メタデータ） (2025-01-01T06:52:45Z) - Assessing high-order effects in feature importance via predictability decomposition [0.2097147938967934]
特徴量における協調効果の定量化のための新しい手法を提案する。
特に,特徴量尺度の適応バージョンを提案する。
GEANTによる模擬検出器の陽子/陽子判別への応用について報告する。
論文 参考訳（メタデータ） (2024-12-13T08:47:16Z) - A Causal Framework for Decomposing Spurious Variations [68.12191782657437]
我々はマルコフモデルとセミマルコフモデルの急激な変分を分解するツールを開発する。
突発効果の非パラメトリック分解を可能にする最初の結果を証明する。
説明可能なAIや公平なAIから、疫学や医学における疑問まで、いくつかの応用がある。
論文 参考訳（メタデータ） (2023-06-08T09:40:28Z) - CausalDialogue: Modeling Utterance-level Causality in Conversations [83.03604651485327]
クラウドソーシングを通じて、CausalDialogueという新しいデータセットをコンパイルし、拡張しました。
このデータセットは、有向非巡回グラフ(DAG)構造内に複数の因果効果対を含む。
ニューラル会話モデルの訓練における発話レベルにおける因果性の影響を高めるために,Exponential Average Treatment Effect (ExMATE) と呼ばれる因果性強化手法を提案する。
論文 参考訳（メタデータ） (2022-12-20T18:31:50Z) - Domain Invariant Model with Graph Convolutional Network for Mammogram
Classification [49.691629817104925]
グラフ畳み込みネットワークを用いたドメイン不変モデル(DIM-GCN)を提案する。
まず,潜伏変数を病原性その他の疾患関連部位に明示的に分解するベイズネットワークを提案する。
マクロな特徴をよりよく捉えるために、我々は、GCN(Graph Convolutional Network)を介して、観察された臨床特性を再構築の目的として活用する。
論文 参考訳（メタデータ） (2022-04-21T08:23:44Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳（メタデータ） (2021-04-07T06:02:04Z) - Adversarial Feature Hallucination Networks for Few-Shot Learning [84.31660118264514]
Adversarial Feature Hallucination Networks (AFHN) は条件付き Wasserstein Generative Adversarial Network (cWGAN) に基づいている。
合成された特徴の識別性と多様性を促進するために、2つの新規レギュレータがAFHNに組み込まれている。
論文 参考訳（メタデータ） (2020-03-30T02:43:16Z) - Pursuing Sources of Heterogeneity in Modeling Clustered Population [16.936362485508774]
不均一な追従と特徴選択を同時に達成するために、正規化有限混合効果回帰を提案する。
これらの効果の制約付きスパース推定は、共通の効果を持つ変数と不均一な効果を持つ変数の両方を同定する。
アルツハイマー病の遺伝的要因と脳の特徴を関連付けるための画像遺伝学研究、青年期における自殺リスクと学区の特徴との関係を探る公衆衛生学研究、野球選手の給与水準がパフォーマンスと契約状態とどのように関連しているかを理解するためのスポーツ分析研究の3つの応用が提示されている。
論文 参考訳（メタデータ） (2020-03-10T14:59:35Z)
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。