解釈可能な機械学習のためのShapley可変重要度クラウド【JST・京大機械翻訳】

Ning Yilin; Ong Marcus Eng Hock; Ong Marcus Eng Hock; Ong Marcus Eng Hock; Chakraborty Bibhas; Chakraborty Bibhas; Chakraborty Bibhas; Chakraborty Bibhas; Goldstein Benjamin Alan; Goldstein Benjamin Alan; Ting Daniel Shu Wei; Ting Daniel Shu Wei; Ting Daniel Shu Wei; Vaughan Roger; Vaughan Roger; Liu Nan; Liu Nan; Liu Nan; Liu Nan; Liu Nan

文献

J-GLOBAL ID：202202240918071508 整理番号：22A1121851

解釈可能な機械学習のためのShapley可変重要度クラウド【JST・京大機械翻訳】

Shapley variable importance cloud for interpretable machine learning

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A1121851&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A1121851&from=J-GLOBAL&jstjournalNo=W6439A") }}

著者 (20件)： , , , , , , , , , , , , , , , , , , ,
資料名：
巻： 3 号： 4 ページ： Null 発行年： 2022年
JST資料番号： W6439A ISSN： 2666-3899 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

インタプリテーブル機械学習は,性能を最適化する最終モデルの説明に焦点を合わせている。最先端のShapley付加説明(SHAP)は,個々の予測に対する変数の影響を局所的に説明し,最近,データセットを横断してグローバルな評価を提供するために拡張した。本研究は,さらに「グローバル」評価を「十分に十分」であるモデルの集合に拡張し,予測タスクに対する最終モデルと同様に実用的である。得られたShapley変数重要度クラウドは,形式的統計的推論をサポートするために明示的に定量化された不確実性で,全体重要度尺度を提供するために,各良好なモデルとプール情報からのShapleyベース重要度測度から成る。不確実性を強調するための可視化を開発し,実際の推論への含意を説明した。一般的な理論的基盤に基づいて,著者らの方法は,偏った推論を避けるために,単一最終モデルの広く採用されているSHAP評価をシームレスに補完し,それは,再事故予測データと臨床データを用いた2つの実験で実証した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

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

著者キーワード (5件)： , , , ,

人工知能

, , ,

前のページに戻る