論文の概要: Towards Personalized Treatment Plan: Geometrical Model-Agnostic Approach to Counterfactual Explanations

• arxiv url: http://arxiv.org/abs/2510.22911v1
• Date: Mon, 27 Oct 2025 01:28:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 19:54:32.577608
• Title: Towards Personalized Treatment Plan: Geometrical Model-Agnostic Approach to Counterfactual Explanations
• Title（参考訳）: パーソナライズド・トリート・プランに向けて:幾何学的モデル-対実的説明への非依存的アプローチ
• Authors: Daniel Sin, Milad Toutounchian,
• Abstract要約: 4段階のステップを用いて高次元空間における反実的説明を生成する手法について述べる。 そこで我々は,境界面上の多くの離散点を発見し,最も近い事実的説明を同定する離散化手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In our article, we describe a method for generating counterfactual explanations in high-dimensional spaces using four steps that involve fitting our dataset to a model, finding the decision boundary, determining constraints on the problem, and computing the closest point (counterfactual explanation) from that boundary. We propose a discretized approach where we find many discrete points on the boundary and then identify the closest feasible counterfactual explanation. This method, which we later call $\textit{Segmented Sampling for Boundary Approximation}$ (SSBA), applies binary search to find decision boundary points and then searches for the closest boundary point. Across four datasets of varying dimensionality, we show that our method can outperform current methods for counterfactual generation with reductions in distance between $5\%$ to $50\%$ in terms of the $L_2$ norm. Our method can also handle real-world constraints by restricting changes to immutable and categorical features, such as age, gender, sex, height, and other related characteristics such as the case for a health-based dataset. In terms of runtime, the SSBA algorithm generates decision boundary points on multiple orders of magnitude in the same given time when we compare to a grid-based approach. In general, our method provides a simple and effective model-agnostic method that can compute nearest feasible (i.e. realistic with constraints) counterfactual explanations. All of our results and our code can be found here at this link: $\href{https://github.com/dsin85691/SSBA_For_Counterfactuals}{https://github.com/ dsin85691/SSBA\_For\_Counterfactuals}$
• Abstract（参考訳）: 本稿では, モデルへのデータセットの適合, 決定境界の発見, 問題の制約の決定, および, その境界から最も近い点(数値的説明)の計算を含む4つのステップを用いて, 高次元空間における反実的説明を生成する手法について述べる。 そこで我々は,境界面上の多くの離散点を発見し,最も近い事実的説明を同定する離散化手法を提案する。 このメソッドは後に$\textit{Segmented Smpling for Boundary Approximation}$ (SSBA)と呼び、二項探索を適用して決定境界点を求め、次に最も近い境界点を探索する。 異なる次元の4つのデータセットにおいて,本手法は,5\%$から50\%$までの距離を基準として,対実生成の現在の手法より優れていることを示す。 また, 年齢, 性別, 性別, 身長など, 不変・分類的特徴の変化を制限し, 実世界の制約にも対処できる。 実行時間に関して、SSBAアルゴリズムは、グリッドベースのアプローチと比較した場合に、同じ時間に複数の桁の決定境界点を生成する。 一般論として,本手法は,最も近い実現可能性(すなわち制約付き現実性)を計算可能な,シンプルで効果的なモデルに依存しない手法を提供する。 $\href{https://github.com/dsin85691/SSBA_For_Counterfactuals}{https://github.com/dsin85691/SSBA\_Counterfactuals}$

関連論文リスト

• Adaptive $k$-nearest neighbor classifier based on the local estimation of the shape operator [49.87315310656657]
  我々は, 局所曲率をサンプルで探索し, 周辺面積を適応的に定義する適応型$k$-nearest(kK$-NN)アルゴリズムを提案する。 多くの実世界のデータセットから、新しい$kK$-NNアルゴリズムは、確立された$k$-NN法と比較してバランスの取れた精度が優れていることが示されている。
  論文  参考訳（メタデータ） (2024-09-08T13:08:45Z)
• Robust Zero Level-Set Extraction from Unsigned Distance Fields Based on Double Covering [28.268387694075415]
  非符号距離場(UDF)からゼロレベルセットを抽出する新しい手法を提案する。 DoubleCoverUDFは学習したUDFとユーザが指定したパラメータ $r$ を入力として取ります。 計算されたアイソ曲面は、対象ゼロレベルセット$S$の$r$オフセット体積の境界であることを示す。
  論文  参考訳（メタデータ） (2023-10-05T10:17:30Z)
• Bridging Discrete and Backpropagation: Straight-Through and Beyond [62.46558842476455]
  本稿では,離散潜在変数の生成に関わるパラメータの勾配を近似する新しい手法を提案する。 本稿では,Hunの手法とODEを解くための2次数値法を統合することで,2次精度を実現するReinMaxを提案する。
  論文  参考訳（メタデータ） (2023-04-17T20:59:49Z)
• Stochastic Inexact Augmented Lagrangian Method for Nonconvex Expectation Constrained Optimization [88.0031283949404]
  多くの実世界の問題は複雑な非機能的制約を持ち、多くのデータポイントを使用する。 提案手法は,従来最もよく知られた結果で既存手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-12-19T14:48:54Z)
• $r-$Adaptive Deep Learning Method for Solving Partial Differential Equations [0.685316573653194]
  本稿では,Deep Neural Network を用いて部分微分方程式を解くための$r-$adaptiveアルゴリズムを提案する。 提案手法は, テンソル積メッシュに制限され, 境界ノードの位置を1次元で最適化し, そこから2次元または3次元メッシュを構築する。
  論文  参考訳（メタデータ） (2022-10-19T21:38:46Z)
• Best Policy Identification in Linear MDPs [70.57916977441262]
  縮退した線形マルコフ+デルタ決定における最適同定問題について, 生成モデルに基づく固定信頼度設定における検討を行った。 複雑な非最適化プログラムの解としての下位境界は、そのようなアルゴリズムを考案する出発点として用いられる。
  論文  参考訳（メタデータ） (2022-08-11T04:12:50Z)
• Statistical Inference of Constrained Stochastic Optimization via Sketched Sequential Quadratic Programming [53.63469275932989]
  制約付き非線形最適化問題のオンライン統計的推測を考察する。 これらの問題を解決するために、逐次二次計画法(StoSQP)を適用する。
  論文  参考訳（メタデータ） (2022-05-27T00:34:03Z)
• Manifold Hypothesis in Data Analysis: Double Geometrically-Probabilistic Approach to Manifold Dimension Estimation [92.81218653234669]
  本稿では, 多様体仮説の検証と基礎となる多様体次元推定に対する新しいアプローチを提案する。 我々の幾何学的手法はミンコフスキー次元計算のためのよく知られたボックスカウントアルゴリズムのスパースデータの修正である。 実データセットの実験では、2つの手法の組み合わせに基づく提案されたアプローチが強力で効果的であることが示されている。
  論文  参考訳（メタデータ） (2021-07-08T15:35:54Z)
• Sparse Regression at Scale: Branch-and-Bound rooted in First-Order Optimization [6.037383467521294]
  我々は $ell_0$ 正規化回帰のための新しい正確な MIP フレームワークを提案する。 私たちのフレームワークは、$p sim 107$までスケールでき、少なくとも5,000$xのスピードアップを達成できます。 実装をツールキットL0BnBでオープンソースにしています。
  論文  参考訳（メタデータ） (2020-04-13T18:45:29Z)

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。