抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
データ訓練された予測モデルが普及を見るが,大部分は予測またはスコアを出力するブラックボックスとして使用されている。モデル挙動のより深い理解,特に異なる特徴はモデル予測にどのように影響するかを獲得することは困難である。複雑なモデルの挙動を解釈する,またはある種の問題のある属性(人種や性別のような)は,過度に影響決定されていないことを主張場合これは重要である。本論文では,監査ブラックボックスモデルのための技術,既存のモデルは,データセットの特徴を利用して,モデルはどのように作用するかを知ることなく程度を調べることを要求することを示した。著者らの研究は,間接的な影響:いくつかの方法の特徴は,他の関連する特徴による転帰に間接的に影響を与える可能性の問題に焦点を当てた。結果として,著者らは,モデルのさらなる直接検査に,属性は全くモデルにより言及されない場合でも属性の影響を見出すことができる。我々のアプローチは,ブラックボックスモデルを再訓練する必要はない。(例えば)モデルをAPIによりアクセス可能なのみであり,特徴選択のような特徴の影響を調べる他の方法と本研究と対照をなす場合これは重要である。種々の公開利用可能データセットとモデルを用いてこの方法の有効性の実験的証拠を提示した。も解釈可能な学習と特徴選択からだけでなく,他のブラックボックス監査手順に対する技術を用いてこの方法を検証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】