論文の概要: SX-GeoTree: Self-eXplaining Geospatial Regression Tree Incorporating the Spatial Similarity of Feature Attributions
- arxiv url: http://arxiv.org/abs/2511.19845v1
- Date: Tue, 25 Nov 2025 02:23:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-26 17:37:04.235562
- Title: SX-GeoTree: Self-eXplaining Geospatial Regression Tree Incorporating the Spatial Similarity of Feature Attributions
- Title（参考訳）: SX-GeoTree: 特徴属性の空間的類似性を考慮した自己説明型地理空間回帰木
- Authors: Chaogui Kang, Lijian Luo, Qingfeng Guan, Yu Liu,
- Abstract要約: 自己説明型地理空間回帰木であるSX-GeoTreeを提案する。
解釈可能なモデルに空間的類似性を組み込む方法を示す。
- 参考スコア（独自算出の注目度）: 3.354414621681265
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Decision trees remain central for tabular prediction but struggle with (i) capturing spatial dependence and (ii) producing locally stable (robust) explanations. We present SX-GeoTree, a self-explaining geospatial regression tree that integrates three coupled objectives during recursive splitting: impurity reduction (MSE), spatial residual control (global Moran's I), and explanation robustness via modularity maximization on a consensus similarity network formed from (a) geographically weighted regression (GWR) coefficient distances (stimulus-response similarity) and (b) SHAP attribution distances (explanatory similarity). We recast local Lipschitz continuity of feature attributions as a network community preservation problem, enabling scalable enforcement of spatially coherent explanations without per-sample neighborhood searches. Experiments on two exemplar tasks (county-level GDP in Fujian, n=83; point-wise housing prices in Seattle, n=21,613) show SX-GeoTree maintains competitive predictive accuracy (within 0.01 $R^{2}$ of decision trees) while improving residual spatial evenness and doubling attribution consensus (modularity: Fujian 0.19 vs 0.09; Seattle 0.10 vs 0.05). Ablation confirms Moran's I and modularity terms are complementary; removing either degrades both spatial residual structure and explanation stability. The framework demonstrates how spatial similarity - extended beyond geometric proximity through GWR-derived local relationships - can be embedded in interpretable models, advancing trustworthy geospatial machine learning and offering a transferable template for domain-aware explainability.
- Abstract（参考訳）: 決定木は表層予測の中心に留まるが、苦労する
一 空間的依存を捉えて
(二)局地安定(ロマンス)の説明を作成すること。
不純物低減(MSE)、空間的残留制御(Global Moran's I)、およびモジュール性最大化によるロバスト性(ロバスト性)をコンセンサス類似性ネットワーク上で説明する。
(a)地理的重み付き回帰(GWR)係数距離(刺激-応答類似性)及び
b)SHAP属性距離(説明的類似性)
我々は,ネットワークコミュニティ保存問題として特徴属性の局所的連続性を再検討し,サンプルごとの検索を行わずに空間的に一貫性のある説明をスケーラブルに行えるようにした。
SX-GeoTreeは2つの模範的タスク(Fujian, n=83, シアトルのポイントワイド住宅価格n=21,613)の実験では、競争予測精度(決定木0.01ドルR^{2}$)を維持しつつ、残留空間の均一性を改善し、帰属コンセンサス(モジュール性:Fujian 0.19 vs 0.09、シアトル 0.10 vs 0.05)を改善している。
アブレーションはモランのI項とモジュラリティ項が相補的であることを確認し、空間的残留構造と説明安定性の両方を除去する。
このフレームワークは、空間的類似性(GWR由来の局所的関係を通じて幾何学的近接性を超えて拡張される)が、解釈可能なモデルに組み込まれ、信頼できる地理空間的機械学習を進化させ、ドメイン認識の説明可能性のための転送可能なテンプレートを提供することを示す。
関連論文リスト
- SVRecon: Sparse Voxel Rasterization for Surface Reconstruction [60.92372415355283]
我々は最近提案されたスパースボキセル化パラダイムをSVReconの統合により高忠実度表面再構成の課題に拡張する。
本手法は, 常に高速な収束を保ちながら, 強い復元精度を実現する。
論文 参考訳（メタデータ） (2025-11-21T16:32:01Z) - Comprehensive Validation of Replica Symmetry Breaking via Quantum Annealing: From Ground States to Topological Collapse [0.0]
我々はジョルジョ・パリシのシェリントン・カークパトリックスピンガラスの正確な解を4000スピンに拡張する。
レプリカ対称性の破れの出現と崩壊を調査する。
この包括的検証は、複素系における基本的な統計力学を探索するための量子的優位性を確立する。
論文 参考訳（メタデータ） (2025-11-09T14:33:22Z) - Population synthesis with geographic coordinates [1.6419687521433917]
粗い地理的領域ではなく、明確な座標で合成集団を生成することがますます重要である。
空間座標をより規則的な潜在空間にマッピングする集団合成アルゴリズムを提案する。
実家と同じ統計特性を持つ合成住宅を121データセットで生成し,その有効性を実証する。
論文 参考訳（メタデータ） (2025-10-08T13:36:13Z) - Hierarchical Quantized Diffusion Based Tree Generation Method for Hierarchical Representation and Lineage Analysis [49.00783841494125]
HDTreeは階層的潜在空間内の木関係を、統一的な階層的コードブックと量子化拡散プロセスを用いてキャプチャする。
HDTreeの有効性は、汎用データセットと単一セルデータセットの比較によって示される。
これらの貢献は階層的な系統解析のための新しいツールを提供し、より正確で効率的な細胞分化経路のモデリングを可能にする。
論文 参考訳（メタデータ） (2025-06-29T15:19:13Z) - Exploring Image Generation via Mutually Exclusive Probability Spaces and Local Correlation Hypothesis [9.946694131713611]
画像生成のための確率的生成モデルにおける一般的な仮定は、グローバルなデータ分布の学習がサンプリングによって新しい画像を生成するのに十分であるということである。
我々は,この中核的な仮定の限界,すなわちグローバルな分布の学習が生成行動よりも記憶に繋がるということを考察する。
論文 参考訳（メタデータ） (2025-06-26T19:32:29Z) - An Interpretable Implicit-Based Approach for Modeling Local Spatial Effects: A Case Study of Global Gross Primary Productivity [9.352810748734157]
地球科学では、観測されていない要因は非定常分布を示し、特徴と対象の関係が空間的不均一性を示す。
地理的機械学習タスクでは、従来の統計学習手法は空間的不均一性を捉えるのに苦労することが多い。
我々は、深層ニューラルネットワークを用いた空間差と並行して、異なる場所で共通する特徴を同時にモデル化する、新しい視点を提案する。
論文 参考訳（メタデータ） (2025-02-10T05:44:54Z) - Delta-AI: Local objectives for amortized inference in sparse graphical models [64.5938437823851]
スパース確率的グラフィカルモデル(PGM)における補正推論のための新しいアルゴリズムを提案する。
提案手法は, PGMにおける変数のサンプリングをエージェントが行う一連の行動とみなす場合, エージェントのポリシー学習目的において, PGMの疎結合が局所的な信用割当を可能にするという観察に基づいている。
合成PGMからサンプリングし、スパース因子構造を持つ潜在変数モデルを訓練するための$Delta$-AIの有効性について説明する。
論文 参考訳（メタデータ） (2023-10-03T20:37:03Z) - Improving Neural Additive Models with Bayesian Principles [54.29602161803093]
ニューラル加算モデル(NAM)は、個別の加算サブネットワークでキャリブレーションされた入力特徴を扱うことにより、ディープニューラルネットワークの透明性を高める。
本研究では,Laplace-approximated NAM (LA-NAMs) を開発した。
論文 参考訳（メタデータ） (2023-05-26T13:19:15Z) - From Gradient Flow on Population Loss to Learning with Stochastic
Gradient Descent [50.4531316289086]
SGD(Gradient Descent)は、大規模非ルートモデルの学習方法である。
集団損失のGFが収束すると仮定して、総合的な条件 SGD が収束する。
我々は、凸損失のような古典的な設定だけでなく、Retrieval Matrix sq-rootのようなより複雑な問題に対してもGD/SGDを統一的に解析する。
論文 参考訳（メタデータ） (2022-10-13T03:55:04Z) - Analyzing the Latent Space of GAN through Local Dimension Estimation [4.688163910878411]
高忠実度画像合成におけるスタイルベースGAN(StyleGAN)は、それらの潜在空間の意味的特性を理解するために研究の動機となっている。
事前学習したGANモデルにおける任意の中間層に対する局所次元推定アルゴリズムを提案する。
提案した計量はDistortionと呼ばれ、学習された潜在空間上の内在空間の不整合を測定する。
論文 参考訳（メタデータ） (2022-05-26T06:36:06Z)
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。