論文の概要: xai-cola: A Python library for sparsifying counterfactual explanations

• arxiv url: http://arxiv.org/abs/2602.21845v1
• Date: Wed, 25 Feb 2026 12:25:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-26 18:19:16.828113
• Title: xai-cola: A Python library for sparsifying counterfactual explanations
• Title（参考訳）: xai-cola: 対実的な説明を散在させるPythonライブラリ
• Authors: Lin Zhu, Lei You,
• Abstract要約: xai-colaは任意のジェネレータによって生成された説明(CE)をスパースするエンドツーエンドパイプラインを提供する。 ドキュメント化されたAPIは、パンダのDataFrame形式で入力された生データ、(標準化とエンコーディングのための)事前処理オブジェクト、トレーニングされたScikit-learnまたはPyTorchモデルを提供する。 実験により,Xai-colaは複数のCEジェネレータにまたがってスペーサー反ファクトを発生し,改良された特徴の数を最大50%削減した。
• 参考スコア（独自算出の注目度）: 10.00040471953469
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Counterfactual explanation (CE) is an important domain within post-hoc explainability. However, the explanations generated by most CE generators are often highly redundant. This work introduces an open-source Python library xai-cola, which provides an end-to-end pipeline for sparsifying CEs produced by arbitrary generators, reducing superfluous feature changes while preserving their validity. It offers a documented API that takes as input raw tabular data in pandas DataFrame form, a preprocessing object (for standardization and encoding), and a trained scikit-learn or PyTorch model. On this basis, users can either employ the built-in or externally imported CE generators. The library also implements several sparsification policies and includes visualization routines for analysing and comparing sparsified counterfactuals. xai-cola is released under the MIT license and can be installed from PyPI. Empirical experiments indicate that xai-cola produces sparser counterfactuals across several CE generators, reducing the number of modified features by up to 50% in our setting. The source code is available at https://github.com/understanding-ml/COLA.
• Abstract（参考訳）: カウンターファクト・説明(CE)はポストホック・説明可能性において重要な領域である。 しかし、ほとんどのCEジェネレータによって生成された説明は、しばしば非常に冗長である。 オープンソースのPythonライブラリxai-colaを導入し、任意のジェネレータによって生成されたCEをパースするエンドツーエンドパイプラインを提供し、その妥当性を維持しながら、過剰な機能変更を減らす。 ドキュメント化されたAPIは、パンダのDataFrame形式で入力された生の表データ、(標準化とエンコーディングのための)事前処理オブジェクト、トレーニングされたScikit-learnまたはPyTorchモデルを提供する。 このベースでは、ユーザは組み込みまたは外部にインポートされたCEジェネレータを使用することができる。 ライブラリはまた、いくつかのスパーシフィケーションポリシーを実装し、スパーシフィケーションされたカウンターファクトを分析、比較するための可視化ルーチンを含んでいる。 xai-colaはMITライセンスでリリースされており、PyPIからインストールすることができる。 実験により,Xai-colaは複数のCEジェネレータにまたがってスペーサーの反ファクトを発生し,修正された特徴の数を最大50%削減した。 ソースコードはhttps://github.com/understanding-ml/COLAで公開されている。

関連論文リスト

• PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
  PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。 PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。 PyPulseはMITライセンスでGithubとPyPIでリリースしました。
  論文  参考訳（メタデータ） (2024-12-09T11:00:55Z)
• Causal-learn: Causal Discovery in Python [53.17423883919072]
  因果発見は、観測データから因果関係を明らかにすることを目的としている。 $textitcausal-learn$は因果発見のためのオープンソースのPythonライブラリである。
  論文  参考訳（メタデータ） (2023-07-31T05:00:35Z)
• scikit-fda: A Python Package for Functional Data Analysis [0.0]
  scikit-fdaは、関数型データ分析(FDA)のためのPythonパッケージである 関数データの表現、前処理、探索分析のための包括的なツールセットを提供する。
  論文  参考訳（メタデータ） (2022-11-04T16:34:03Z)
• PyGOD: A Python Library for Graph Outlier Detection [56.33769221859135]
  PyGODは、グラフデータの外れ値を検出するオープンソースライブラリである。 外れ値検出のための主要なグラフベースのメソッドを幅広くサポートしています。 PyGODはBSD 2-Clauseライセンスの下でhttps://pygod.orgとPython Package Index (PyPI)でリリースされている。
  論文  参考訳（メタデータ） (2022-04-26T06:15:21Z)
• PyHHMM: A Python Library for Heterogeneous Hidden Markov Models [63.01207205641885]
  PyHHMM は Heterogeneous-Hidden Markov Models (HHMM) のオブジェクト指向Python実装である。 PyHHMMは、異種観測モデル、データ推論の欠如、異なるモデルの順序選択基準、半教師付きトレーニングなど、同様のフレームワークではサポートされない機能を強調している。 PyHHMMは、numpy、scipy、scikit-learn、およびシーボーンPythonパッケージに依存しており、Apache-2.0ライセンスの下で配布されている。
  論文  参考訳（メタデータ） (2022-01-12T07:32:36Z)
• DoubleML -- An Object-Oriented Implementation of Double Machine Learning in Python [1.4911092205861822]
  DoubleMLはオープンソースのPythonライブラリで、Chernozhukovらのダブル機械学習フレームワークを実装している。 パラメータの推定が機械学習手法に基づく場合、因果パラメータの統計的推測に有効な機能を含む。 このパッケージはMITライセンスで配布されており、科学的なPythonエコシステムのコアライブラリに依存している。
  論文  参考訳（メタデータ） (2021-04-07T16:16:39Z)
• mvlearn: Multiview Machine Learning in Python [103.55817158943866]
  mvlearnは、主要なマルチビュー機械学習メソッドを実装するPythonライブラリである。 パッケージはPython Package Index(PyPI)とcondaパッケージマネージャからインストールできる。
  論文  参考訳（メタデータ） (2020-05-25T02:35:35Z)

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。