Entrar
insight - 機械学習モデルの説明性
十分性と必要性の説明 (そしてその間にあるもの)
複雑な機械学習モデルの予測を理解し説明するために、十分性と必要性という2つの重要な概念を定式化し、それらを統一的に扱うアプローチを提案する。
機械学習モデルの因果分析に基づくシャプレー値の条件付きと周辺の比較
機械学習モデルの予測に対する特徴の寄与を説明するシャプレー値の計算には、条件付きと周辺の2つのアプローチがあるが、特徴間の相関がある場合、これらのアプローチは異なる結果を導く。本論文では、因果分析の観点から、条件付きアプローチは根本的に不適切であり、周辺アプローチが推奨されるべきであることを示す。
機械学習モデルの説明性を高めるためのコアリション構造を持つグループ説明子の近似手法
モンテカルロサンプリングを用いて、コアリション構造を持つグループ説明子を効率的に近似する手法を提案する。
Produtos
© 2024 by Linnk AI