Core Concepts
딥러닝 모델의 의사결정 메커니즘을 이해하고 설명할 수 있는 방법을 제시한다.
Abstract
이 연구는 딥러닝 모델의 의사결정 메커니즘을 이해하고 설명할 수 있는 방법을 제시한다.
위상 데이터 분석(TDA) 기법을 사용하여 딥러닝 모델의 특징 공간을 구축하고 분석한다.
모델의 특징 공간을 그래프로 나타내고, 유사한 특징과 예측 통계를 가진 입력을 클러스터링한다.
높은 예측 정확도를 보이는 하위 그래프를 추출하여 모델이 의사결정에 사용한 중요 특징을 식별한다.
확률 측도와의 거리 척도를 사용하여 특정 레이블에 대한 중요 특징을 추론한다.
이 방법은 LIME과 SHAP 해석 방법보다 안정적이며, 암 병리 보고서와 20뉴스그룹 데이터셋에 대한 실험 결과를 제시한다.
Stats
암 병리 보고서 데이터셋에서 유방암(C50) 및 전립선암(C61)에 대한 중요 키워드:
유방암: 'absent', 'htn', 'individual', 'obvious', 'marked', 'barrett', 'hyperplastic', 'kb', 'hemorrhagic'
전립선암: 'cellular', 'firm', 'htn', 'marked', 'examined', 'individual', 'hemorrhagic', 'dense', 'versus', 'hyperplastic'
20뉴스그룹 데이터셋에서 각 클래스에 대한 중요 키워드:
alt.atheism: 'unwilling', 'hatred', 'victims', 'practised', 'oppression', 'adultery'
comp.graphics: 'autodesk', 'halftone', 'sunview', 'printers', 'pcs', 'xview'
sci.space: 'moons', 'jupiters', 'jovian', 'rings', 'landers', 'neptune'
talk.religion.misc: 'sinners', 'sins', 'adultery', 'preached', 'infant', 'meat'
Quotes
"딥러닝 모델은 예측의 확신 수준을 신뢰할 수 없으며, 특정 예측에 대한 설명을 제공하지 못한다."
"의료 전문가가 기계 보조 의사 결정을 임상 현장에 도입하는 것을 주저하는 이유는 이해할 만하다."