機械学習モデルのためのモデル-アグノスティック解釈法の一般的落とし穴【JST・京大機械翻訳】

Molnar Christoph; Konig Gunnar; Herbinger Julia; Freiesleben Timo; Dandl Susanne; Scholbeck Christian A.; Casalicchio Giuseppe; Grosse-Wentrup Moritz; Bischl Bernd

プレプリント

J-GLOBAL ID：202202200827086731 整理番号：21P0038903

機械学習モデルのためのモデル-アグノスティック解釈法の一般的落とし穴【JST・京大機械翻訳】

General Pitfalls of Model-Agnostic Interpretation Methods for Machine Learning Models

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2020年07月08日プレプリントサーバーでの情報更新日： 2021年08月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

部分依存プロット(PDP),置換特徴重要度(PFI)およびShapley値のような機械学習(ML)モデルに対するモデル-診断解釈技術数の増加は,洞察的モデル解釈を提供するが,誤った結論を誤った結論に導くことができる。誤った文脈における解釈技術の使用,よく一般化しないモデルの解釈,高次元設定における特徴依存性,相互作用,不確実性推定および問題を無視すること,あるいは未調整因果解釈を例示して,それらを例によって例示して,MLモデル解釈の多くの一般的落とし穴をハイライトした。平均モデル挙動を記述する大域的方法の落とし穴に焦点を当てたが,多くの落とし穴も個々の予測を説明する局所法に適用した。本論文は,落とし穴の認識を上げ,正しいモデル解釈のための解決策を識別することにより,ML実務者に取組むが,更なる研究のための未解決の問題を検討することによって,ML研究者にも対処する。【JST・京大機械翻訳】

, , ,

人工知能 , パターン認識

前のページに戻る