feature importance | BriefGPT

关键词feature importance

搜索结果 - 70

ShapG：基于 Shapley 值的新特征重要性方法
通过提出一种名为 ShapG 的新的可解释人工智能 (XAI) 方法，该方法基于 Shapley 值来衡量特征的重要性，本文探讨了人工智能系统的解释和透明度的重要性，并通过与其他 XAI 方法的比较和广泛的实验证明 ShapG 的高效性和可
PDF5 days ago
利用机器学习方法预测悉尼大都市区交通事件的持续时间
本研究提出了一种全面的方法来预测悉尼大都市区交通事故的持续时间，并将其分类为短期或长期。我们利用包含交通事故详细记录、道路网络特征和社会经济指标的数据集，通过训练和评估包括 Gradient Boosted Decision Trees (
PDF7 days ago
特征表示对光子神经网络准确性的影响
通过研究多种编码策略的效果，开发了数学框架以分析特征组合对光子神经网络的性能和学习能力的影响，并通过选择最优编码方法，在 Iris 数据集上取得了相比其他编码技术更高的精度提升，突破了不进行特征组合的网络性能。这些发现凸显了在规模或功率受限
PDF8 days ago
KDDCAFO: 基于特征的时间序列分类解释
多元时间序列分类中，我们引入了一种名为 CAFO（通道注意力和特征正交化）的新的特征为中心的解释和评估框架，它利用了具有通道注意力机制的卷积方法，通过深度可分离通道注意力模块（DepCA）和基于 QR 分解的损失来促进特征的正交性，从而增强
PDFa month ago
利用特征空间中的马氏距离和分布偏好提升反事实图像生成
本文介绍了一种在黑盒模型特征空间中计算特征重要性的新方法，并利用信息融合技术将特征反事实解释转化为图像反事实解释。实验结果表明，我们的方法生成的反事实解释在像素和特征空间上与原始图像非常相似，并且表现优于已有的基准模型，获得了令人印象深刻的
PDFa month ago
模型解释性与可解释性：朝着预测模型的透明度创造进发
在分析建模中，可解释人工智能（XAI）有一个对应的概念，我们称之为模型解释性。我们在预测模型的上下文中处理模型解释性问题，并通过执行和比较四种不同的预测方法，应用当前文献中所知的最佳解释技术来分析一家信用卡公司的贷款数据集，以确定特征重要性
PDFa month ago
通过投注测试语义重要性：我敢打赌你并不是那个意思
我们的研究通过使用特征重要性、语义概念和条件独立性来形式化黑盒预测模型对于全局和局部统计重要性的定义，并通过顺序核化测试的方法对概念进行排序，从而在真实场景中提供了有效性和灵活性的框架。
PDFa month ago
量子机器学习中的特征重要性与可解释性
比较量子机器学习和经典机器学习模型中的特征重要性和解释性，使用 IBM 的 Qiskit 平台的混合量子算法（Variational Quantum Classifier 和 Quantum Support Vector Classifie
PDF2 months ago
SIDEs: 在 xAI 中将理想化与欺骗性解释分开
解释性人工智能（xAI）方法对于建立信任使用黑匣子模型至关重要，本文概述了 xAI 研究参与理想化评估的需求，并介绍了一个评估 xAI 方法是否成功理想化或具有欺骗性解释的新框架。我们的定性分析发现，领先的特征重要性方法和反事实解释容易出现
PDF2 months ago
科学推理的特征重要性方法指南
该论文是一项关于解释性方法在机器学习中的应用的综合指南，通过对特征重要性方法进行广泛的回顾和对其解释的新证明，为我们提供了对这些方法的深入理解，并为科学推理提供具体的建议。此外，该论文还讨论了特征重要性不确定性估计的选项，并指出了从黑盒机器
PDF2 months ago
评估使用统计和机器学习技术确定出行方式选择的因素 —— 以印度孟加拉城市为例
决策行为是交通规划中的关键问题，传统的统计学习方法在预测性能方面存在局限性，机器学习模型在交通规划者中备受关注。然而，机器学习模型的黑箱特性限制了其在决策和政策制定中的实际应用。本研究使用了低收入和低中等收入家庭的数据集，采用了多项式逻辑模
PDF5 months ago
一种用于不完整数据的新型特征选择框架
提出了一种考虑特征重要性的新型不完整数据特征选择框架，通过多个迭代阶段的缺失值插补和特征重要性学习，实验结果表明该方法明显优于其他方法。
PDF7 months ago
面向大型语言模型的审计：提升基于文本的刻板印象检测
本研究介绍了一个多维度刻板印象数据集以及英文文本的新型刻板印象分类器，并通过多类别训练模型在多种可解释 AI 工具下展示出较好的性能，利用该模型评估了流行的 GPT 模型系列的刻板印象行为，并观察到刻板印象的减少，从而为 LLM 的刻板印象
PDF7 months ago
基于特征重要性的迭代缺失值填补
通过考虑特征重要性，我们设计了一种基于矩阵完成和特征重要性学习的填补算法，实验证明该方法在处理缺失值方面优于现有的五种填补算法。
PDF8 months ago
基于特征重要性的视觉解释方法的稳定性，正确性和可信度
在可解释性人工智能领域，本文研究了基于图像分类器特征重要性的解释方法的稳定性、正确性和合理性之间的关系，并指出现有的评估指标并不总是一致的，进而提出了考虑被测模型的局部行为的新型评估指标。
PDF8 months ago
基于回声状态网络的特征重要性特征化气候变化路径
本文通过使用回声态网络（ESN）进行特征重要性分析，旨在量化与气候现象相关的变量关系，并以模拟研究和气候数据分析验证了该方法的有效性。
PDF9 months ago
LIPEx -- 局部可解释性概率解释 -- 超越真实类别
本研究介绍了一种新型的基于扰动的多类别解释框架 LIPEx（局部可解释的概率解释），证明 LIPEx 不仅可以局部复制广泛使用的复杂分类模型输出的概率分布，而且还可以提供关于每个被认为重要的特征如何影响每个可能类别的预测概率的见解。研究通过
PDF9 months ago
基于因果关系的特征重要性量化方法：PN-FI、PS-FI 和 PNS-FI
本文介绍了如何在机器学习领域中利用 PNS（必要性和充分性的概率）计算特征重要性，并创建了新的特征重要性测量方法：PN-FI、PS_FI 和 PNS_FI。通过三个 RCT 得到的结果展示了三个特征（狗的鼻子，眼睛和嘴巴）的 PS_FI、P
PDF10 months ago
特征重要性与特征影响：对可解释人工智能的意义
这篇论文提供了一种统一的定义，可以应用于后续解释，评估不同方法的忠实度和稳定性，并且展示了使用上下文重要性和效用可以提供比只使用影响力时更富表达力和灵活性的解释。
PDFa year ago
自信特征排序
基于特征重要性值的排序和置信区间，提出一种后期重要性方法，用于选择前 k 个并具有高概率包含真实的（无限样本）排序。
PDFa year ago