文献

J-GLOBAL ID：202002239217934123   整理番号：20A1889774

Shapley値と条件付き推論ツリーを用いた混合特徴による予測モデルの説明【JST・京大機械翻訳】

Explaining Predictive Models with Mixed Features Using Shapley Values and Conditional Inference Trees

著者 (3件)： Redelmeier Annabelle (Norwegian Computing Center, Oslo, Norway) ,  Jullum Martin (Norwegian Computing Center, Oslo, Norway) ,  Aas Kjersti (Norwegian Computing Center, Oslo, Norway)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12279  ページ： 117-137  発行年： 2020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： 複雑なブラックボックス機械学習モデルを説明することがますます重要になっている。このトピックに関する拡張文献があるが,Shapley値は,あらゆるタイプの機械学習モデルからの予測を説明する健全な方法として立っている。予測説明のためのShapley値のオリジナルな開発は,記述した特徴が独立であるという仮定に依存する。この方法論を次に拡張して,根底にある連続分布を有する依存特徴を説明した。本論文では,条件付き推論ツリーを用いて特徴の依存性構造をモデル化することにより,混合(すなわち,連続,離散,順序およびカテゴリー)依存特徴を説明する方法を提案した。種々のシミュレーション研究における現在の産業基準に対して提案した方法を実証し,この方法が他の手法よりもしばしば優れていることを見出した。最後に,2018FICO説明可能機械学習チャレンジで使用された実際の財務データセットにこの方法を適用し,FICOチャレンジ認識Award winningチームと比較した。Copyright IFIP International Federation for Information Processing 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  ブラックボックス ,  機械学習 ,  *予測モデル
準シソーラス用語： 混合特性 ,  Shapley値 , 【Automatic Indexing@JST】

著者キーワード (5件)： 説明可能なAI ,  Shapley値 ,  条件付き推論ツリー ,  特徴依存性 ,  予測説明

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： Shapley値 ,  推論 ,  混合特徴 ,  予測モデル ,  説明