文献

J-GLOBAL ID：202202261402202445   整理番号：22A0942002

回帰モデルからの保証によるルール抽出【JST・京大機械翻訳】

Rule extraction with guarantees from regression models

著者 (4件)： Johansson Ulf (Dept. of Computing, Jonkoping University, Sweden) ,  Sonstrod Cecilia (Dept. of Computing, Jonkoping University, Sweden) ,  Lofstrom Tuwe (Dept. of Computing, Jonkoping University, Sweden) ,  Bostrom Henrik (School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology, Sweden)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 126  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  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)

抄録/ポイント： 複雑な予測モデルの理解と説明のためのツールは,ユーザの受容と信用にとって重要である。そのようなツールの1つは,ルール抽出,すなわち,より強力でないが解釈可能なモデルを持つ不透明モデル近似である。解釈可能なモデルが元の訓練インスタンスを用いて誘導されるが,しかし,ターゲットとしての不透明モデルからの予測を伴う,Pedagogical(またはブラックボックス)ルール抽出は,分解(ホワイトボックス)アプローチと比較して多くの利点を持つ。最も重要なことに,教育方法は使用される不透明モデルの種類に対して診断的であり,解釈可能なモデルを生成する任意の学習アルゴリズムを学習ステップのために採用できる。しかし,教育的アプローチは,その有用性を明確に制限する一つの主要な問題である。特に,抽出したモデルは不透明を模倣するために訓練されたが,これは,これが新しいデータに転送するという保証が全くない。この潜在的に低い試験セット忠実度は,特に抽出モデルを説明と解析に用いるとき,厳しい欠点と考える必要がある。本論文では,共形予測フレームワークを利用することにより,テストセット忠実度を持つ問題を解決する新しいアプローチを,不透明モデルから解釈可能な回帰モデルを抽出するため提案した。抽出したモデルは標準回帰木であるが,葉の有効な予測間隔によって増大した。正確なセットアップに依存して,共形予測の使用は,試験セット忠実度または試験セット精度が,長期運転において,プリセット信頼レベルに等しいことを保証した。広範な経験的調査において,20の公的に利用可能なデータセットを用いて,抽出したモデルの妥当性を実証した。さらに,標準化が個別化予測間隔を提供するためにどのように使用できるかを示し,その結果,高度に有益な抽出モデルを提供した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 教育 ,  学習 ,  データ ,  標準化 ,  近似法 ,  ブラックボックス ,  ディシジョンツリー ,  *モデル ,  *回帰モデル ,  学習アルゴリズム ,  予測モデル
準シソーラス用語： 実証的研究 ,  教育方法 ,  *ルール抽出 ,  回帰木 ,  判断能力 , 【Automatic Indexing@JST】

著者キーワード (5件)： ルール抽出 ,  解釈可能性 ,  共形予測 ,  説明可能なAI ,  予測回帰

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 回帰モデル ,  保証 ,  ルール抽出