SurvBeX: An explanation method of the machine learning survival models based on the Beran estimator

要約

機械学習生存ブラックボックスモデルの予測を解釈するために、SurvBeXと呼ばれる説明手法が提案されています。
この方法の背後にある主なアイデアは、修正された Beran 推定量を代理説明モデルとして使用することです。
Beran 推定器に組み込まれた係数は、ブラック ボックス モデルの予測に影響を与える特徴の値とみなすことができます。
よく知られている LIME 法に従って、対象となるサンプルの周囲の局所領域に多数の点が生成されます。
生成されたすべての例について、ブラック ボックス モデルの生存関数が計算され、サロゲート モデル (Beran 推定量) の生存関数が説明係数の関数として構築されます。
説明係数を見つけるために、ブラック ボックス モデルの生存関数と生成された例によって生成された Beran 推定量の間の平均距離を最小化することが提案されます。
合成生存データと実際の生存データを使用した多くの数値実験により、SurvBeX の効率が実証され、この方法をよく知られた方法 SurvLIME と比較されます。
この方法は SurvSHAP 方法とも比較されます。
SurvBeX を実装するコードは、https://github.com/DanilaEremenko/SurvBeX から入手できます。

要約(オリジナル)

An explanation method called SurvBeX is proposed to interpret predictions of the machine learning survival black-box models. The main idea behind the method is to use the modified Beran estimator as the surrogate explanation model. Coefficients, incorporated into Beran estimator, can be regarded as values of the feature impacts on the black-box model prediction. Following the well-known LIME method, many points are generated in a local area around an example of interest. For every generated example, the survival function of the black-box model is computed, and the survival function of the surrogate model (the Beran estimator) is constructed as a function of the explanation coefficients. In order to find the explanation coefficients, it is proposed to minimize the mean distance between the survival functions of the black-box model and the Beran estimator produced by the generated examples. Many numerical experiments with synthetic and real survival data demonstrate the SurvBeX efficiency and compare the method with the well-known method SurvLIME. The method is also compared with the method SurvSHAP. The code implementing SurvBeX is available at: https://github.com/DanilaEremenko/SurvBeX

arxiv情報

提供元, 利用サービス

arxiv.jp, Google