データ多様体上のShapley説明可能性【JST・京大機械翻訳】

Frye Christopher; de Mijolla Damien; Begley Tom; Cowton Laurence; Stanley Megan; Feige Ilya

プレプリント

J-GLOBAL ID：202202208396006906 整理番号：21P0033912

データ多様体上のShapley説明可能性【JST・京大機械翻訳】

Shapley explainability on the data manifold

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 (6件)： , , , , ,
資料名：
発行年： 2020年06月01日プレプリントサーバーでの情報更新日： 2021年12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)

AIにおける説明可能性は,モデル開発,規制へのコンプライアンス,および予測への運用の nuさの提供に重要である。説明可能性のためのShapleyフレームワークは,数学的原理的およびモデル-診断的方法で,その入力特徴に対するモデル予測を特性づける。しかし,Shapley説明可能性の一般実装は,モデルの特性が相関しないという不可解な仮定を作る。本研究では,この仮定の明白な欠点を実証し,データ多様体に関するShapley説明可能性に対する2つの解決策を開発した。生成モデリングに基づく一つの解決策は,データ補完への柔軟なアクセスを提供する。もう一つはShapley値関数を直接学習し,柔軟性のコストで性能と安定性を提供する。「オフマニフォールド」Shapley値(i)は不正確な説明を生じるが,(ii)高感度属性に対する隠れモデル依存性,および(iii)高次元データにおける不可解な説明に導き,オン多様体説明はこれらの問題を克服できる。【JST・京大機械翻訳】

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

人工知能

, ,

前のページに戻る