本論文では、機械学習モデルの予測に対する因果的説明を生成する際に、変更される特徴の数(カーディナリティ)を制限する手法を提案している。
従来の因果的説明生成手法では、元の入力データと予測結果が異なるために多くの特徴が変更されることがあり、説明の解釈性が低下する問題があった。
提案手法では、カーディナリティ制約を導入することで、より少ない特徴の変更で予測結果を変えられる因果的説明を生成できる。
実験では、既存手法と提案手法で生成した因果的説明を比較し、提案手法の方が解釈しやすいことを示している。
今後の課題として、カーディナリティ制約と他の評価指標(多様性、近接性など)を組み合わせた手法の検討が挙げられる。
إلى لغة أخرى
من محتوى المصدر
arxiv.org
استفسارات أعمق