表データに関するグランドトルス説明可能性に向けて【JST・京大機械翻訳】

Barr Brian; Xu Ke; Silva Claudio; Bertini Enrico; Reilly Robert; Bruss C. Bayan; Wittenbach Jason D.

プレプリント

J-GLOBAL ID：202202205836748790 整理番号：22P0173344

表データに関するグランドトルス説明可能性に向けて【JST・京大機械翻訳】

Towards Ground Truth Explainability on Tabular Data

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 (7件)： , , , , , ,
資料名：
発行年： 2020年07月20日プレプリントサーバーでの情報更新日： 2020年07月20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)

データ科学において,方法開発,特徴選択と特徴工学のために合成データを使用する長い歴史がある。合成データにおける現在の関心は,説明可能性における最近の研究から来る。今日のデータセットは,典型的により大きく,より複雑で,解釈可能なモデルが少ない。事後拡張性の設定において,説明のためのグランドトルースはない。グラウンドトルースを提供する画像分類器を説明する最近の研究に触発されて,著者らは,表データのための類似解法を提案した。コピュラを用いて,データセットの望ましい統計的特性の簡潔な仕様,ユーザは,制御データセットと実験を用いて説明可能性の周りで直感を構築できる。1次元ロジスティック回帰,有益な特徴からの相関の影響,冗長変数からの相関の影響の3つの使用事例で,現在の能力を実証した。【JST・京大機械翻訳】

, , , , ,
, , , , , , 【Automatic Indexing@JST】

分子・遺伝情報処理 , パターン認識 , 人工知能

, ,

前のページに戻る