Centrala begrepp
エージェントが負の分類を受けた場合、最小コストの行動の組み合わせを見つけることで、望ましい正の分類を得るための因果的説明を生成することができる。
Sammanfattning
本研究では、エージェントの状態と行動の関係が重み付きセット被覆問題として定式化される設定において、効率的な因果的説明生成手法を提案している。
具体的には、以下の3つの因果的説明生成器を提案している:
- named-action CFE生成器: 行動名のみ知られている場合でも、過去の事例から最適な行動の組み合わせを生成する。
- full-action CFE生成器: 行動の効果は知られているが、行動コストは不明な場合でも、最適な行動の組み合わせを生成する。
- named CFE生成器: 因果的説明の名称とコストのみ知られている場合でも、最適な因果的説明を生成する。
これらの生成器は、最適化問題を解く必要がなく、過去の事例から効率的に因果的説明を生成することができる。
実験の結果、提案手法は大規模な状態空間や行動アクセスが制限された設定でも高い精度で因果的説明を生成できることを示した。
また、生成された因果的説明の大部分が実行可能であり、最適解に近いことも確認された。
Statistik
特徴数が増えるほど、因果的説明の一意性が高まり、生成精度が低下する。
訓練データ内の因果的説明の出現頻度が高いほど、生成精度が向上する。
単一行動の因果的説明は、複数行動の因果的説明よりも高精度に生成できる。
Citat
"エージェントが負の分類を受けた場合、最小コストの行動の組み合わせを見つけることで、望ましい正の分類を得るための因果的説明を生成することができる。"
"提案手法は大規模な状態空間や行動アクセスが制限された設定でも高い精度で因果的説明を生成できる。"
"生成された因果的説明の大部分が実行可能であり、最適解に近い。"