文献

J-GLOBAL ID：201902276735998083   整理番号：19A2418937

最小パターンを用いた決定のためのモデル-Agnostic説明【JST・京大機械翻訳】

Model-Agnostic Explanations for Decisions Using Minimal Patterns

著者 (4件)： Asano Kohei (Graduate School of Information Sciences, Tohoku University, Sendai, Japan) ,  Chun Jinhee (Graduate School of Information Sciences, Tohoku University, Sendai, Japan) ,  Koike Atsushi (National Institute of Technology, Ichinoseki College, Ichinoseki, Japan) ,  Tokuyama Takeshi (Department of Informatics, Kwansei Gakuin University, Mita, Japan)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11727  ページ： 241-252  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 最近,多数の高性能機械学習モデルが提案されている。残念ながら,このようなモデルは不透明な理由と論理を用いて導出されるブラックボックス決定をしばしば生成する。したがって,ブラックボックスモデルの決定の基礎となる理由を自動的に与えるツールを開発することは重要である。理想的には,このツールは,モデルの詳細を知ることなく,任意の機械学習モデルに適用できる。良く知られた以前の研究,LIMEは線形決定に基づいている。LIMEは決定のための重要な特徴を提供するが,結果は決定に必要な特徴を含まないので,ユーザの理解はまだ困難である。著者らは,MP-LIMEと名付けた新しいモデル-agnostic説明法を提案した。この説明は特徴集合から成り,その各々は正確に決定を再構成することができる。従って,ユーザは各特徴集合を容易に理解できる。この方法をLIMEと比較することにより,この方法が精度を大幅に改善することを実証した。また,この方法が決定の理由を提供する実例を提供した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 再構成 ,  *ブラックボックス ,  機械学習 ,  線形性

著者キーワード (3件)： 解説 ,  解釈可能性 ,  機械学習

分類 (2件)： 人工知能  (JE08000Z) ,  CAI  (JE09000G)

タイトルに関連する用語 (2件)： モデル ,  説明