機械学習説明評価メトリックスの統一研究【JST・京大機械翻訳】

Wang Yipei; Wang Xiaoqian

プレプリント

J-GLOBAL ID：202202213899960198 整理番号：22P0310915

機械学習説明評価メトリックスの統一研究【JST・京大機械翻訳】

A Unified Study of Machine Learning Explanation Evaluation Metrics

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 (2件)： ,
資料名：
発行年： 2022年03月27日プレプリントサーバーでの情報更新日： 2022年03月27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)

信頼できる機械学習のための成長要求は,解釈可能性研究の喪失に導いた。この目的を果たすために多数の説明法を開発した。しかし,これらの方法は不十分で不適切に評価されている。説明のための多くの既存の計量を,それらの方法の利点を実証するために,それらの提案された説明技術の副産物として研究者によって導入した。広く使用されたが,それらは,問題がますます少ない。著者らは,これらの説明方法,すなわち,計量が,高い/低いスコアを与えるとき,実際に良い/悪い説明を有することを,認識された,そして,正当化されたメトリックスの欠如が,これらの説明方法のベンチマークにおいて,カオスをもたらすと主張した。既存の計量を2つのカテゴリーに分割し,それらが多重理由の説明を適切に評価するには不十分であることを示した。著者らは,機械学習説明の評価における問題を扱う際のガイドラインを提案し,説明技術と計量を開発するとき,これらの問題を慎重に取り扱う研究者を奨励する。【JST・京大機械翻訳】

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

人工知能

, , , ,

前のページに戻る